Edge KI und Low-Power Hardware treiben Aufstieg der Sprachsteuerung an

Sprachsteuerung durchdringt rasantvirtuell jedes Consumer-Edge-Gerät. Dank Durchbrüchen in Spracherkennungs-Algorithmen und Low-Power-KI-Beschleunigern können nun sogar batteriebeschränkte Appliances intelligente Voice-Interfaces bieten.

Aus Consumer-Perspektive sind die primären Motivationen für sprachaktivierte Smart-Home-Gadgets straightforward.

„Einfachheit und Convenience treiben Adoption“, sagte Alireza Kenarsari-Anhari, CEO von PicoVoice, gegenüber EE Times. „Stellen Sie sich vor, Sie kommandieren Ihre Büro-Kaffeemaschine vom Schreibtisch aus oder sagen einem Trockner, was er tun soll, während Sie Wäsche jonglieren.“

Obwohl viele dieser Geräte eingesteckt und immer mit Heim-Wi-Fi verbunden bleiben, bietet lokales Audio-Processing überzeugende Privacy- und Reliability-Vorteile.

Edge KI wird durch Privacy motiviert – Konsumenten wollen Gespräche lokal halten, und Enterprises verlangen oft strikte Datenkontrolle – und Reliability. „Wollen Sie, dass Ihre Waschmaschine anhält wegen eines Wi-Fi-Ausfalls?“ fragte Kenarsari-Anhari.

Latenz ist für zeitkritische Use Cases wichtig, wie Gaming, wo sogar Millisekunden den Experience impacten können.

Cloud-Inferenz verursacht wiederkehrende Kosten pro Request, was für High-Frequency, Low-Margin Devices untragbar ist. Edge Processing eliminiert diese Charges.

PicoVoice bietet eine Cloud-freie Speech-to-Text-Engine, die auf Mikrocontrollern unter 1 $ läuft. Das öffnet Sprachsteuerung für Wearables, Hearables und sogar industrielle, Sicherheits- und Medizinprodukte, die extreme Power- und Cost-Effizienz verlangen.

Die neue Shepherd-Plattform lässt Entwickler Voice-Apps auf Mikrocontrollern ohne Code erstellen, integriert mit PicoVoice Console. Aktuell unterstützt sie populäre ARM Cortex-M MCUs von ST und NXP, mit weiteren Geräten auf dem Roadmap.

„Ich denke an Voice als Interface – wenn Sie Ihre GUI oder Website ohne Coding bauen können, vielleicht mit WordPress, ist das Bauen von Voice-Interfaces auf ähnliche Weise der nächste logische Schritt“, sagte Kenarsari-Anhari. „Shepherd befähigt Product Manager und UX Designer, schnell zu prototypen und zu iterieren, und wir zielen darauf ab, die Zielgruppe zu erweitern. Was, wenn jeder seinen eigenen Assistenten bauen könnte? Nennen Sie ihn wie sie wollen – kein Alexa – und geben Sie ihm die Persönlichkeit, die sie wünschen.“

Während es möglich ist, Natural Language Processing Modelle von Grund auf zu entwickeln, erfordert es signifikante Ressourcen. „Apple, Amazon, Google und Microsoft haben es getan“, fügte er hinzu. „Es ist eine Frage, ob ein Enterprise die Kapazität und Willingness hat, eine dedizierte Organisation darum aufzubauen.“

Zukunftstrends

Voice wird zum bevorzugten Interface für die nächste Generation von Technologie-Nutzern, sagte Kurt Busch, CEO von Syntiant, gegenüber EE Times letzten Sommer.

Busch erinnerte an sein jüngstes Kind – das lesen, aber noch nicht schreiben oder buchstabieren konnte –, das Voice nutzte, um Freunde per Smartphone zu texten. „Ihre Generation bekam früh Phones; sie defaulten jetzt zu Sprechen“, sagte er. Er envisions Voice als „den Touchscreen der Zukunft“, mit In-Device-Processing, das schnelle, responsive Interfaces zuerst auf Keyboards und Mice, dann auf White Goods liefert.

Syntiants spezialisierte KI-Beschleuniger handhaben Voice-Workloads in Consumer Electronics mit Low-Power-Budgets. Bis dato hat das Unternehmen über 10 Millionen Chips weltweit verschifft, die meisten davon power Mobile Phones' Always-On Keyword Detection. Der neueste NDP120 kann Hot Words wie „OK Google“ erkennen und den Assistant in unter 280 µW aktivieren.

Busch sieht Voice auch als demokratisierende Kraft. „Drei Milliarden Menschen leben von 2 $ am Tag und haben oft kein Internet oder formale Bildung. Speech ist das natürliche Interface für sie“, erklärte er. „Voice-First-Applikationen können Technologie in unterversorgte Regionen bringen, sowohl kosteneffektiv als auch komfortabel.“

Marktfragmentierung

Rasches Wachstum kann zu Fragmentierung führen, sagte Vikram Shirastava, Senior Director of IoT bei Knowles. „Der Markt splittet nach Speech Engine, Hardware-Plattform, Operating System und akustischer Umgebung – Home, Doorbell, Car, etc.“

Knowles bietet DSP-basierte Voice-Control-Lösungen, getailored auf verschiedene Vertikale. Durch Gruppieren von Märkten mit geteilten Bedürfnissen – wie Home Controls, TV Soundbars und Remote Controls – kann es optimierte, „one-level-below-turnkey“ Produkte liefern. „Wir launchen multiple Releases, die spezifische Fragmentierungspunkte adressieren, was uns ermöglicht, die Vertikalen zu bedienen, die wir targeten“, sagte Shirastava.

Knowles' neuestes AISonic Bluetooth Standard Solution ist ein Development Kit für Voice Recognition in Bluetooth-vernetzten Geräten wie Smart Speakern, Wearables und In-Vehicle-Assistants. Aufbauend auf dem IA8201 Dual-Core DSP Silicon, läuft es Keyword Spotting, Source Classification, Beamforming, Acoustic Echo Cancellation und Source Direction Estimation gleichzeitig, alles innerhalb von 50 mW. Diese Effizienz stammt von einem Instruction Set mit fast 400 Custom Audio und KI-Instruktionen, was niedrigere Clock-Frequenzen und reduzierten Stromverbrauch erlaubt.

Sugr's iOttie Aivo Connect Vehicle Smartphone Holder nutzt Knowles' IA8201 für In-Car Voice-Fähigkeiten. Es hat Alexa Voice Assistant Capability built-in. (Quelle: Knowles)

Wird Voice zum Default-User-Interface across most Consumer Electronics? Die Konvergenz fortschrittlicher, effizienter KI-Voice-Algorithmen, developer-freundlicher Toolchains und eines wachsenden Ökosystems Low-Power, Low-Cost Hardware deutet darauf hin, dass es in diese Richtung geht.

>> Dieser Artikel wurde ursprünglich auf unserer Schwesterseite EE Times veröffentlicht.