亞馬遜(Amazon) Echo可說是目前最熱銷的物聯網(IoT)裝置,無論你稱它為智慧麥克風、虛擬數位助理、家用機器人、語音控制或R2-D2,這一類以語音為基礎的產品正迅速崛起。..
相較于Echo,最新的第二代Echo Dot的價格從89.99美元調整為49.99美元,并將于本月在美國上市銷售。
Amazon Echo(及其隨后推出的Dot)開辟了一個新的市場,讓裝置供應商能夠在語音擷取、提高麥克風音訊解析度、更先進的背景雜訊過濾、更好的音場偵測與穩定連線能力等方面展開競爭,以提供更佳音訊品質。
Amazon Echo (左)及其第二代產品Dot
而像XMOS等公司雖然自家晶片并未用于Echo中,但也瞄準了這個新的語音介面市場。XMOS行銷與業務發展副總裁Paul Neil表示,“物聯網目前正是一場快速移動的盛宴。為了控制IoT裝置,語音是最自然的使用者介面。”
Neil說,由于融合了“傳統的微控制器(MCU)性能、嵌入式DSP以及靈活的I/O組合,使得我們的技術成為語音介面的理想選擇。”
然而,硬體裝置之間的戰爭只是構成整個智慧麥克風/揚聲器市場的一部份。IHS Markit連網家庭資深分析師Paul Erickson強調,“真正的競爭變數來自云端。”
為了追求更“聰明”的智慧麥克風(能夠處理復雜的查詢和隨機問題),云端服務領域的競爭越來越激烈。 Google預計將于今年年底推出Google Home與Google Assistant (Google Now的新版本),并借此進入這個市場。Erickson表示,“而且市場上盛傳蘋果(Apple)很可能將在2017年挾其Siri進入這個領域。”
Amazon Echo——這款IoT裝置如此熱門的另一個原因在于它極具潛力,可實現IoT的重要優點:經得起時間考驗(Future-proofing)。
芯科科技(Silicon Labs)軟體副總裁Skip Ashton解釋,Future-proofing的意思是“確保裝置可隨時間進展持續添加更多功能特性。”例如,Alexa為Echo提供的語音服務功能一開始有70種,如今已經增加到超過1,700種了。
Echo可以回答問題、閱讀新聞、為運動評分、控制燈光、從Amazon網站訂購產品以及設定鬧鈴等。使用者還可以利用該裝置向Uber叫車或訂購披薩外送等。
“目前Echo大約每兩周透過云端更新一次,”Ashton說,“Amazon會在星期五時發送電子郵件給Echo用戶發布新功能, ”而Echo用戶“也對于產品的功能持續增加懷抱著期待。”
本地智慧
IHS Markit嵌入式處理器首席分析師Tom Hackenberg剖析Amazon Echo對于電子產業帶來重大影響的原因:智慧麥克風/智慧揚聲器應用“對于處理器供應商來說極具價值。”
因為這種裝置關鍵之處并不只是提供了“本地智慧”。語音介面正普遍應用在廣大的市場領域。不只是數位助理市場出現,成為智慧型手機App的消費電子裝置版本,還有揚聲器,也不是它唯一的外形應用。
例如,他解釋說,“家庭自動化中心和數位助理可以內建于電視、機上盒(STB)、HVAC/環境控制中樞等等。此外,在車載資訊娛樂方面也存在大量的應用,特別是著眼于其免手持的優點。”
拆解Echo與Echo Dot
透過拆解Echo與Echo Dot并進一步比較后,Hackenberg說,“除了記憶體供應商,我發現Echo和Echo Dot的處理元件并沒有明顯的不同。”
拆解Echo與Echo Dot (來源:iFixit)
根據iFixit所進行的拆解,Amazon Echo采用:
三星(Samsung) K4X2G323PD-8GD8 256MB LPDDR1 RAM (揮發性記憶體)
SanDisk SDIN7DP2-4G 4GB iNAND Ultra Flash (非揮發性儲存)
而到了新版的Dot則改用:
美光(Micron) MT46H64M32LFBQ 256MB (16Meg x 32 x 4Banks) LPDDR SDRAM (揮發性記憶體)
三星KLM4G1FEPD 4GB高性能eMMC NAND Flash (非揮發性儲存)
兩款產品使用的處理器則是相同的。在Echo與Dot的核心采用的是“德州儀器(Texas Instruments;TI)的媒體處理器DM3725”,此外,高通(Qualcomm) Atheros QCA6234應用專用標準處理器則用于提供“連接性”。
Hackenberg解釋說,雖然記憶體可能稍微影響性能,但記憶體定價是波動的。因此,對于Echo系列的所有產品而言,在其整個生命周期中改變所使用的元件也很平常。
相形之下,“連線模組,尤其是媒體處理器更加復雜,如果不是重大的產品更新,一般并不會改變,”他說。
Hackenberg指出,Atheros處理器專用于作為連接應用標準產品。其設計是以Tensilica客制化XTensa核心為基礎,而且“它只做一件事——協調與網路的通訊,以利作業進行。”
Erickson補充說,“連接能力至關重要,因為它涉及哪些資料可被擷取、傳送與接收云端資料的速度與可靠度等。由于速度/響應的可用性因素,它直接影響到與揚聲器之間的互動有多么“即時”。因此,Wi-Fi的吞吐量、服務品質(QoS)與范圍的改善,都將有所幫助。”
所有的“本地”(local)智慧功能是由TI DM3725進行處理。Hackenberg指出,“這是一款專為STB、TV、顯示器、視訊游戲系統等各種多媒體應用而設計的系統單晶片(SoC)。”
DM3725是一款以ARM Cortex A8為基礎打造的元件,并整合TI的C64x+DSP與3D繪圖加速引擎。“Cortex A8是一款成熟且經濟型的應用處理器,但又完全足夠用于本地執行簡單的任務,”Hackenberg表示。
然而,“如果應用變得復雜,而不只是一款揚聲器這么單純,可能就會有所變化。”
Amazon Echo Dot主板 (來源:iFixit)
整合DSP
根據Hackenberg,這顆SoC的關鍵就在于整合了DSP,甚至可能是GPU。
“在一個典型的設計中,存在多個輸入感測器(主要是麥克風)。整個音訊輸入首先經DSP高度濾波,使系統快速地理解用戶的語音和環境雜訊之間的差異,”他說。
“它甚至能夠解讀相對于該裝置的位置或甚至發話者是誰;它還建立了一種模式,能夠經過處理以匹配該模式(通常發送至云端),”他補充說。
但是,GPU做什么呢?
Hackenberg認為,“對于本地智慧,GPU可以用于更簡單、但快速且高效的本地模式匹配。”
這可以讓裝置仍然回應所儲存的控制模式,例如“降低音量”、“切換頻道”或其他簡單的控制,而無需網路連接,他解釋說。 “接著,應用核心根據所需提供的回應、啟動/關閉所需的輸入或控制以及必須顯示的內容等條件來執行應用程式。”
麥克風陣列
Amazon Echo和Dot之所以吸引人之處在于它使用了7麥克風陣列。Amazon聲稱,Echo和Dot由于使用了多支麥克風和波束成型技術,因而“能在整個室內都聽到你的聲音——即使是正在播放音樂的環境下。”該公司還表示,Echo是一款專業級的調音揚聲器,能以360°沉浸式音效充滿在整個房間中。
根據IHS Markit負責MEMS和感測器的資深分析師Marwan Boustany表示,Echo采用了樓氏電子(Knowles)的MEMS麥克風。
Dot采用7支麥克風陣列
Boustany指出,為聲音頻率提升其訊號雜訊比(SNR)、匹配和性能,將有助于遠場音訊擷取,同時改善語音辨識。
但最終,“演算法才是實現更優質語音辨識的真正關鍵,”他說,“所謂的『智慧』就在于云端可能持續作為關鍵應用,而本地處理則可以提高對于簡單/預定義片語(如Hey Siri等)的辨識能力。”
他以Cypheras為例表示,“這一類的軟體供應商將有利于智慧家庭系統(如Alexa)中的語音辨識功能。”
Amazon Echo Dot (來源:iFixit)
競爭日益加劇
以供應商來看,目前有幾家提供微控制器(MCU)和連接用ASSP的供應商可能在此領域展開競爭,包括Apple、博通(Broadcom)、賽普拉斯 (Cypress)、微芯科技(Microchip)、恩智浦(NXP)、瑞薩(Renesas)、意法半導體(STMicroelectronics) 以及芯科科技(Silicon Labs)等。Boustany表示,”802.11n與BT 4.0的組合并不常見,但有些設計針對較低成本的解決方案或許將會只用藍牙。
媒體處理器較為棘手。雖然多家行動裝置應用處理器供應商都可提供,但對于簡單的應用來說成本太高。根據Hackenberg的觀察,供應商們可能會選擇不提供性能相當的DSP或模式匹配功能。
“我可能會考慮采用Apple Ax、Broadcom BCM7xxxx、海思(Hisilicon) Hi3xxx、NXP i.MX、聯發科MT8xxx、意法STiHxxx、高通(Qualcomm)Snapdragon等。當然,TI或許在成本方面具有最佳DSP支援(對于語音辨識至關重要)的優勢,但其他的這幾家供應商也在不斷地縮小差距中。”
XMOS相信該公司將在這個市場上獲得動能。對于諸如Echo這一類的語音助理產品,提高性能的關鍵在于遠場語音擷取能力、波束成型與處理速度等。Neil認為,“憑藉著大量的處理能力和嵌入式DSP,我們的XMOS單晶片元件提供了可擴展和差異化的解決方案。”
XMOS xCore語音介面案例 (來源:XMOS)
編譯:Susan Hong
(參考原文:Amazon Echo & How It Resonates,by Junko Yoshida)
評論
查看更多