Zwei-Mikrofon Voice Control: XMOS stellt XVF3510 vor, um Device Footprint zu reduzieren

XMOS, ein führendes fabless Halbleiterunternehmen, hat einen entscheidenden Schritt getan, um Voice Control in Alltagsgeräte zu embedden. Ihr neuer XVF3510 Voice Processor demonstriert, wie nur zwei Mikrofone robuste, Echtzeit-Spracherkennung liefern können, was Kosten und Größe drastisch reduziert.

Zum Kontext: XMOS spezialisiert sich auf Voice Solutions, Audio-Produkte und Multicore-Mikrocontroller, die Echtzeit-Tasks ausführen, intensives Digital Signal Processing (DSP) performen und deterministisches Verhalten wahren. Ihre xCORE-Architektur verbindet multiple RISC Processor Tiles via High-Speed Switch, allowing jedes Tile bis zu acht Tasks concurrent auszuführen. Tasks kommunizieren über Channels – ob lokal oder remote – und bei Bedarf über Shared Memory.

Das xCORE-Design embeddet Kern-Features eines Echtzeit-Betriebssystems – Task Scheduling, Timer, I/O und Channel Communication – direkt in Hardware. Durch Elimination von Timing-Unsicherheiten wie Interrupts, Caches und Shared Buses können xCORE Devices auf externe Events in Nanosekunden reagieren, enabling Hard Real-Time Applications ohne dedizierte Hardware.

2017 akquirierte XMOS Setem Technologies, Pioniere fortgeschrittener Blind Source Separation. Setems patentierte Algorithmen befähigen Consumer Devices, eine einzelne Stimme in Hintergrundrauschen zu isolieren, was Speech-Recognition-Accuracy erhöht.

Typische Voice Assistants wie Amazons Echo und Echo Dot setzen auf Arrays von sieben Mikrofonen, um Noise zu filtern, Echo zu cancellieren und Sprecher-Lokalisierung zu ermöglichen. Zwar effektiv, aber dieser Ansatz erhöht Kosten und Platzbedarf. XMOS' XVF3510 adressiert diese Herausforderungen, indem er vergleichbare Performance mit nur zwei Mikrofonen liefert.

XVF3510 mounted on a PCB (Quelle: XMOS)

Die XVF3510 Firmware incorporiert advanced Interference Cancellation zur Nullifikation unerwünschter Hintergrundgeräusche, Stereo Acoustic Echo Cancellation zur Elimination von Speaker Echo und Enable von Barge-In, sowie Adaptive Delay Estimation zur dynamischen Anpassung der Reference Signal Latency. Zusammen liefern diese Features ein smoothes, Echtzeit-Audio-Erlebnis.