Betere audioverwerking aan de rand

Audioverwerking aan de rand is een bijzonder actueel onderwerp geworden, aangezien gebruikers (grotendeels) spraakgebaseerde interfaces voor persoonlijke apparaten en huiselektronica hebben omarmd. De "grotendeels" kwalificatie komt voort uit specifieke zorgen over de latentie van reacties en algemene functiemogelijkheden, evenals bredere privacykwesties over persoonlijke gesprekken die de openbare cloud bereiken. Het is geen verrassing dat ontwikkelaars meer oplossingen krijgen, zoals het Knowles IA8201-apparaat, dat een paar op Tensilica gebaseerde processorkernen integreert:een voor high-performance computing en machine-learning inferentie en een andere voor altijd-aan audio met een zeer laag vermogen - signaalverwerking.

In tegenstelling tot de eerdere IASonic IA8508 van Knowles, die vergelijkbare audioverwerkingskernen combineert met een Arm Cortex-M4-processor, is de IA8201 specifiek ontworpen om te dienen als een speciale begeleidende processor in ontwerpen met spraakgestuurde toepassingen (zie hieronder).

klik op een van de afbeeldingen voor een grotere versie

Knowles' IASonic-processors omvatten de nieuwe IA8201 begeleidende audioprocessor (links) en de eerdere IA8508 audiotoepassingsprocessor (rechts). (Bron:Knowles)

Enkele van de use-cases die Knowles specifiek met de IA8201 wilde aanpakken, zijn multi-microfoonverwerking en machine learning-inferentie.

Met zijn expertise en geschiedenis in microfoontechnologie is het bedrijf goed bekend met het soort multi-microfoonconfiguraties dat gewoonlijk wordt gebruikt om de nauwkeurigheid van spraakherkenning in spraakgestuurde producten te vergroten. Volgens Knowles maakt het toevoegen van microfoons kanaalscheiding exponentieel moeilijker, wat leidt tot aanzienlijke uitdagingen bij het ontwerpen van apparaten op basis van meer algemene processors. Het vermogen van de IA8201 om die verwerkingsbelastingen aan te kunnen, stelt ontwikkelaars daarentegen in staat het apparaat te gebruiken om ontwerpen met meerdere microfoons te maken die een efficiëntie van 10-100x bereiken ten opzichte van die eerdere benaderingen.

Evenzo heeft de verwerkingsbelasting die gepaard gaat met gevolgtrekking van machine learning de mogelijkheden van spraakgestuurde systemen beperkt, waardoor het gebruik van cloudgebaseerde bronnen met verhoogde responstijd en privacykwetsbaarheden vereist is.

Het resultaat, zoals onze collega Max Maxfield zegt:"... maakt nieuwe gebruiksscenario's voor audio mogelijk die verder gaan dan wat de hostprocessor biedt."

Voor meer informatie over de geschiedenis van de Knowles-microfoon en het nieuwe IA8201-apparaat, bekijk het artikel van Max:"Next-Gen Processor for Audio and AI at the Edge. “