Bessere Audioverarbeitung am Rand

Die Audioverarbeitung am Edge hat sich zu einem besonders heißen Thema entwickelt, da die Benutzer (weitgehend) sprachbasierte Schnittstellen für persönliche Geräte und Heimelektronik angenommen haben. Der Qualifizierer „weitgehend“ ergibt sich aus spezifischen Bedenken hinsichtlich der Antwortlatenz und der allgemeinen Funktionsfähigkeiten sowie aus umfassenderen Bedenken hinsichtlich des Datenschutzes bei persönlichen Gesprächen, die die öffentliche Cloud erreichen. Es überrascht nicht, dass Entwickler immer mehr Lösungen wie das Knowles IA8201 Gerät erhalten, das ein Paar Tensilica-basierter Prozessorkerne integriert:einen für High-Performance Computing und Machine-Learning-Inferenz und einen anderen für sehr stromsparendes Always-on-Audio -Signalverarbeitung.

Im Gegensatz zu Knowles' früherem IASonic IA8508, der ähnliche Audioverarbeitungskerne mit einem Arm Cortex-M4-Prozessor kombiniert, wurde der IA8201 speziell als dedizierter Begleitprozessor in Designs mit sprachaktivierten Anwendungen entwickelt (siehe unten).

Klicken Sie auf eines der Bilder für eine größere Version

Die IASonic-Prozessoren von Knowles umfassen den neuen Companion-Audioprozessor IA8201 (links) und den früheren IA8508-Audioanwendungsprozessor (rechts). (Quelle:Knowles)

Einige der Anwendungsfälle, die Knowles speziell mit dem IA8201 ansprechen wollte, umfassen Multi-Mikrofon-Verarbeitung und Machine-Learning-Inferenz.

Mit seinem Know-how und seiner Geschichte in der Mikrofontechnologie ist das Unternehmen mit der Art von Multi-Mikrofon-Konfigurationen bestens vertraut, die üblicherweise verwendet werden, um die Genauigkeit der Spracherkennung in sprachaktivierten Produkten zu erhöhen. Laut Knowles erschwert das Hinzufügen von Mikrofonen die Kanaltrennung exponentiell, was zu erheblichen Herausforderungen bei der Entwicklung von Geräten führt, die auf universelleren Prozessoren basieren. Im Gegensatz dazu ermöglicht die Fähigkeit des IA8201, diese Verarbeitungslasten zu bewältigen, Entwicklern, das Gerät zu verwenden, um Multi-Mikrofon-Designs zu erstellen, die eine 10- bis 100-fache Effizienz dieser früheren Ansätze erreichen.

In ähnlicher Weise haben die mit maschinellen Lerninferenzen verbundenen Verarbeitungslasten die Fähigkeiten sprachaktivierter Systeme eingeschränkt, was die Verwendung von Cloud-basierten Ressourcen mit erhöhter Reaktionszeit und Sicherheitslücken erfordert.

Das Ergebnis, wie unser Kollege Max Maxfield sagt, „ermöglicht neue Audio-Anwendungsfälle, die über das hinausgehen, was der Host-Prozessor bietet.“

Weitere Informationen zur Geschichte des Knowles-Mikrofons und seines neuen IA8201-Geräts finden Sie im Artikel von Max:„Next-Gen Processor for Audio and AI at the Edge. “