如何通过低延迟语音响应改善用户体验和安全性

作者：恩智浦物联网与安全解决方案资深总监Steve Tateosian

使用语音命令来控制我们生活中的机器通常能够更加自然（且更快）地与周遭世界进行互动。随着越来越多的小型、低成本消费设备取消按钮，仅提供触摸屏，语言命令的作用将更加重要。使用基于云的系统来添加语音识别是一种选择，但这会带来用户隐私和延迟问题。它们还要求最终用户具有可访问的网络，并且对于许多智能家居和消费物联网应用而言，这往往会产生高昂成本。

为了帮助设计师应对这些挑战，恩智浦将离线语音控制带到了边缘。

恩智浦EdgeReady SLN-LOCAL-IOT解决方案基于i.MX RT跨界MCU系列，可帮助开发人员开箱即用地进行概念开发。它的超小外形和“交钥匙”特性使其成为向智能产品添加语言控制功能的理想平台，能够最大限度地减少风险、产品上市时间和开发工作。

这一系统为i.MX RT带来了高质量的远场音频前端、可定制的唤醒词引擎和命令识别引擎。当和完整的音频硬件设计搭配使用时，此新解决方案可用于应用特定的语音识别模型。例如，在洗衣机中，用户可以通过语言命令来启动洗涤程序。然后，洗衣机可以询问适当的问题来设置水温、旋转周期以及任何其他相关参数。

速度与灵活性

离线实施意味着能够消除一些会增加成本的因素，例如Wi-Fi模块和云服务费用。在恩智浦低成本i.MX RT106L MCU上运行时，此系统可同时提供多合一功能和低廉成本。这种组合使其非常适合各种智能家居应用，包括开关、调光器、小型电器和恒温器。

另一个关键优势是设计自带的隐私保护，这意味着音频不会被传输到云，所有处理都在本地设备完成，不会有语音记录永久存储在任何地方。SLN-LOCAL-IOT解决方案结合了许多尖端技术，而这些技术通常都来自昂贵得多的硬件和协处理器 DSP。利用i.MX RT的性能，该解决方案可以完成MPU+DSP设计中通常提供的大多数（在许多情况下所有）音频功能。

音频处理前端和本地控制库是独特的使能技术，并且这两个功能可以搭配或分别使用以定制用户体验。本地控制库软件包具有唤醒词和命令检测功能，并且易于集成到任何应用中。另外，对于典型语音模型，使用的RAM不到100KB，这为其余应用留出了足够的RAM。

在设置并初始化库之后，应用只需将输入音频流馈送到控制库即可。当库检测到唤醒词或命令时，它将为用户应用程序执行回调以进行处理。

为库提供馈送的是音频处理前端。该组件负责收听多个麦克风（在语音解决方案中最多三个），并通过波束成型和回声消除来清理音频。前端选择最佳的波束并将音频发送到库。