|
來源：DigiKey 智能揚聲器和其他聯網集線器構成了智能家居的核心，方便了用戶控制設備和訪問互聯網。隨著這些設備的普及，有兩個趨勢顯而易見：用戶更喜歡語音控制，而不是按鍵或復雜的菜單系統；由于擔心隱私問題，用戶對持續的云連接越來越不適應。 然而，一個強大而安全的語音用戶界面 (VUI) 通常需要強大的硬件和復雜的軟件來進行語音識別。否則很可能導致性能低下和用戶體驗不佳。此外，許多智能揚聲器和集線器都是由電池供電的，因此必須在嚴格的電力預算范圍內實現 VUI。對于缺乏語音界面經驗的開發人員來說，這樣一個雄心勃勃的項目可能會令人望而生畏。 為此，芯片制造商推出了一種基于音素的技術，大大降低了處理要求。這是一款高精度、高效率的 VUI 軟件，可在熟悉的 32 位微控制器 (MCU) 上運行，并受到易于使用的設計工具支持。 本文首先介紹了 VUI 面臨的挑戰和使用案例。然后介紹了易于使用的商業 MCU 應用軟件和適合互聯家居應用的基于本地音素的 VUI 軟件。文章最后向開發人員展示如何使用 Renesas MCU、VUI 軟件和評估套件啟動 VUI 項目。 構建 VUI 面臨的挑戰 VUI 是一種語音識別技術，可通過語音指令與電腦、智能手機、家庭自動化系統或其他設備進行交互。在經歷了早期的工程挑戰后，該技術已經成熟，成為一種可靠的控制界面，目前廣泛應用于智能揚聲器和其他智能家居設備。VUI 的主要優勢在于其便利性：在語音范圍內的任何地方都能進行即時控制，無需使用鍵盤、鼠標、按鈕、菜單或其他界面來輸入指令（圖 1）。 
圖 1：VUI 技術因其方便、靈活，已在家庭和智能樓宇中廣泛采用。（圖片來源：Renesas） VUI 的缺點就是其復雜性。傳統技術依靠用特定字詞對模型進行長時間的訓練。但自然語言處理與詞序無關，需要大量的開發工作和強大的計算能力才能實時運行。這拖慢了 VUI 的廣泛運用。 現在，一種新技術簡化了 VUI 軟件，可以讓其在小型、高效的微控制器 (MCU) 上運行，如 Arm® Cortex®-M 器件。這種技術所依賴的事實依據是，每句話中的所有單詞都是由稱為音素的語言聲音組成的。音素數量遠遠少于單詞數量；英語有 44 個，意大利語有 32 個，而傳統的夏威夷語只有 14 個。如果 VUI 使用由 200 個單詞組成的英語指令集，那么每個單詞都可以從 44 個單詞中分解出與之相關的音素。 在 VUI 軟件中，每個音素都可以用數字代碼（或“標記”）來識別，用各種標記組成語言。將單詞存儲為聲音需要大量的計算資源，占用的存儲空間遠大于存儲為標記的音素。按照預期的順序處理音素標記（以及指令詞）進一步簡化了計算，并使 VUI 軟件能夠在本地適中的 MCU 上運行（圖 2）。
圖 2：用音素表示單詞需要很少的微控制器資源。（圖片來源：Renesas） 這意味著，通過使用音素實現的軟件效率可以使處理過程在本地運行。不需要云處理，就意味著不需要持續的互聯網連接，而互聯網連接也會帶來用戶隱私和數據安全問題。 Renesas 作為其生態系統的一部分展示了一個基于音素原理的商用 VUI 軟件包。這款名為 Cyberon DSpotter 的軟件創建了一種 VUI 算法，其精簡程度足以在配備 Arm Cortex-M4 和 M33 內核的 Renesas RA 系列 MCU 上運行。 使用 Cyberon DSpotter 進行開發 Cyberon DSpotter 建立在音素和音素組合庫的基礎之上。這是一種替代方法，傳統方法為了識別特定單詞需要進行計算量巨大的訓練。開發人員可以使用 DSpotter 建模工具將單詞分解為音素，然后將其表示為標記。 DSpotter 是一款嵌入式（非云）軟件，可用作本地語音觸發器和指令識別解決方案，具有強大的降噪功能。它消耗的資源極少，準確性極高。根據所選 MCU 的不同，還可實現安全數據傳輸。 DSpotter 會查詢每個指令單詞或短語，并將其分解為音素。然后，VUI 的指令集和支持數據會被內置到一個二進制文件中，開發人員會將該文件與 Cyberon 庫一起放入項目中。該庫和二進制文件一起用于 MCU，以支持對所需語音指令的識別。 DSpotter 工具可創建“指令集”，開發人員的程序可將這些指令集邏輯連接起來，以創建不同級別的 VUI。這樣就可以發出多級指令，例如“請把燈泡調到高亮”：指令詞語是“燈泡”，后跟“調到”和“高亮”。一個組中的每個指令都有自己的索引，一個級別中的每個指令也有自己的索引（圖 3）。
圖 3：DSpotter 工具允許創建“指令集”，開發人員的程序可將這些指令集邏輯連接起來，以創建不同級別的 VUI。（圖片來源：Renesas） DSpotter 庫處理傳入的聲音，并搜索與數據庫中指令相匹配的音素。當找到匹配時，它會返回索引和組號。這種安排可以讓主應用代碼創建一個分層的開關語句，以處理收到的指令字/詞。由此產生的程序庫非常小，可以安裝在只有 256KB 閃存和 32KB SRAM 的 MCU 上。如果有更多存儲空間，指令集還可以增長。 開發人員必須認識到，在 VUI 中使用音素法是有局限性的。由于 MCU 的資源相對有限，Cyberon DSpotter 只能進行語言識別，而非語音識別。這意味著軟件無法進行自然語言處理。因此，如果指令字不按邏輯順序排列（例如，用“高亮”、“燈泡”、“調為”代替“燈泡”、“調為”、“高亮”），系統將無法識別該指令，并將重置回頂層。 一個設計建議是在 VUI 中添加一個視覺指示器（如 LED 燈），當處理器認為自己處于指令集頂層時，指示器會提示用戶按邏輯順序重新下達指令（圖 4）。
圖 4：Cyberon DSpotter 的簡約性要求指令必須遵循邏輯順序，否則將無法識別。（圖片來源：Renesas） 使用受限資源運行非云 VUI Cyberon DSpotter 的高效率使之能夠在 Renesas 的 RA2、RA4 和 RA6 系列 Arm Cortex-M MCU 上運行。這些產品在消費、工業和物聯網應用領域廣受歡迎。它們受到易于使用的設計工具支持，因此無需豐富的編碼經驗或內部專業知識，就能相對直接地構建一個簡單的 VUI。 具體 RA 系列 MCU 選擇主要取決于指令的復雜性和 Cyberon 庫的大小。所以智能電燈開關只需要適度的指令集和有限的計算能力就能有效工作，可以采用 RA4 系列中的 R7FA4W1AD2CNG。該 MCU 配備了一個電池友好的 48 MHz Arm Cortex-M4 內核，提供 512 Kb 閃存和 96 Kb SRAM 支持。它采用段碼式 LCD 控制器、電容式觸摸感應單元、低功耗藍牙無線連接、USB 2.0 全速、14 位模數轉換器 (ADC)、12 位數模轉換器 (DAC)，并且具有安全保障功能（圖 5）。
圖 5：R7FA4W1AD2CNG MCU 為智能電燈開關等應用構建非云 VUI 提供了充足的資源。（圖片來源：Renesas） 諸如智能揚聲器之類應用需要更廣泛的 Cyberon DSpotter 庫和更強大的內核。R7FA6M4AF3CFM 就是一個合適的選擇。這款 MCU 屬 RA6 系列，采用功能更強大的 200 MHz Arm Cortex-M33 內核，提供了 1 Mb 閃存和 256 Kb SRAM。它具有 CAN 總線、以太網、I²C、LIN 總線、電容式觸摸感應裝置以及許多其他接口和外設。 RA4 和 RA6 系列分別受到 RTK7EKA4W1S00000BJ 和 RTK7EKA6M4S00001BE 評估板支持，開發人員可以利用這兩款評估板訓練 MCU 的能力。每個評估板都有目標 MCU 和板載調試器。 Renesas 還提供 VUI 解決方案套件，以加快開發速度。該套件與評估板類似，都包含目標器件和調試器。電路板還配有多個輸入/輸出接口和四個麥克風：兩個模擬麥克風和兩個數字麥克風。 使用 VUI 解決方案套件進行開發所需的軟件均可在 Cyberon 網站上獲取。其中包括免費的 Cyberon DSpotter 建模工具訪問權限，以及帶有可運行語音指令集的 e2 studio 項目（e2 studio 是基于 Eclipse 的集成開發環境 (IDE)，適用于 Renesas MCU）。示例指令集可用作開發自定義語音指令序列的模板。然后就可以使用終端窗口監控系統的反應。創建圖 4 所示的 VUI 結構一般需要 15 分鐘左右。 針對 Cyberon 軟件包的較復雜應用軟件設計受到該公司的 Renesas 靈活軟件包 (FSP) 支持，該軟件包針對的就是使用 RA 系列的嵌入式系統設計。FSP 基于開放的軟件生態系統，包括 Azure RTOS 或 FreeRTOS、傳統代碼和第三方生態系統。它可以在多個集成開發環境（包括e2 studio）中運行。 VUI 的性能如何？ VUI 在安靜的實驗室中運行良好是一回事，但在背景噪音較大的情況下準確運行又是另一回事。智能揚聲器的典型工作環境包括電視或收音機、談話、其他音樂源以及家庭或社交聚會的一般喧鬧聲。此外， VUI 還必須應對方言和發音不準。盡管存在這些挑戰，但用戶期望的性能幾乎完美無瑕。 為了提高在困難的監聽環境中的性能，在 Renesas RA 系列 MCU 上運行的 Cyberon DSpotter 軟件具有抗噪功能，只需占用極少的處理器資源。為了展示其效率，我們使用 Cyberon DSpotter VUI 進行了測試，在 1.5 米和 3 米的距離內，在信噪比為 0、5 和 10 分貝 (dB) 的情況下，測試了各種背景噪音源對監聽指令的影響。在所有情況下，VUI 的表現都優于亞馬遜 Alexa 基準（表 1）。
表 1：Cyberon 支持的 VUI 在各種背景噪聲下的指令成功率測試結果。在所有情況下，該 VUI 的表現都優于亞馬遜 Alexa 基準。（圖片來源：Renesas） 結語 VUI 正迅速成為消費者首選的智能產品控制界面。語音控制方法使用音素作為指令的基礎，并采用嚴格的指令結構，可大幅降低存儲和計算要求，使得該技術能夠在資源有限的小型 MCU 上本地運行。 |
