麥克風也能扮演像攝影機般重要的角色，為自動駕駛車增添更多「智慧」功能嗎？

DSP Concepts執行長與創辦人Paul Beckmann表示，在汽車和駕駛人發現救護車接近以前，就已經聽到它的警報聲響起了。那麼為什麼汽車產業不會對音訊感興趣？

系統OEM廠商(不只是汽車製造商)目前正處於「使用更多麥克風以便為人工智慧(AI)產生另一種重要感測器資料——音訊」的關鍵時刻，Beckmann解釋。

正如他所預設的，音訊正「從單純的在娛樂系統中播放，朝向在情境架構中實現輸入、觸發與分析。」

由麥克風所拾取的智慧，也可能用於日常生活的各種系統中，從汽車、數位虛擬助理到可攜式裝置等。「視覺與聽覺應該並駕齊驅，」DSP Concepts業務與行銷執行總裁Willard Tu表示。「狗吠聲、嬰兒哭鬧、玻璃碎裂、汽車喇叭、警報聲與槍聲等等……音訊有助於讓系統更有效地掌握環境[和情境]。」

*圖1：音訊「輸入」演算法發展藍圖
（來源：DSP Concepts）*

如今，有兩個重要的發展趨勢推動電子產業突然在音訊領域迅速發展。

一是擁有多顆麥克風的智慧型手機普及；其次則是數位虛擬助理的流行，如Amazon Echo與Google Home。根據SAR Insight & Consulting總監與首席分析師Peter Cooney的觀察，「一般消費裝置中整合虛擬數位助理的應用越來越多，帶動感知與採用語音作為自然的使用者介面，應用於許多日常任務中。」

但是，麥克風能多快超越作為一種自然使用者介面的角色，開始變成真正的‘智慧感測器’？看來業界還得等待一些進展。

為了迎接挑戰，音訊需要可以拾取更佳音質的麥克風、善於後處於音訊的處理器、預處理音訊的有效演算法、易於使用的音訊處理工具、相當於繪圖用Open GL的音訊標準，以及能以最小功耗維持永不斷線的麥克風。

總之，如同Cooney所指出的，市場需要「始終保持監聽的技術、語音增強演算法以及麥克風。」

在ARM處理器上實現音訊處理

音訊處理以往是播放系統(如TV、DVD和Hi-Fi音響系統中的等化器)才需要的專業領域。

而今在智慧型手機和其他家用裝置的麥克風普及帶動下，音訊處理任務已經擴展到幾乎無處不在。專用音訊DSP也並不是系統中處理音訊的唯一晶片了。

隨著越來越多的音訊開始在ARM處理器上執行，Beckmann指出，更多的OEM「熱切地將麥克風視為」AI的輸入感測器。DSP Concepts正處於觀察這一市場過渡的最佳位置。

Beckmann看好市場成長的態勢，特別是因為該公司一款稱為Audio Weaver在過去一年來的成果。如同Beckmann描述的，這是「唯一一款可跨平台作業的繪圖音訊設計架構。」

業界分析家認為，DSP Concepts正佔據音訊市場上的獨特位置。TECHnalysis Research總裁兼首席分析師Bob O'Donnell認為：「我並未看到DSP Concepts或其Audio Weave工具面對哪幾家競爭對手。許多公司都針對音樂與錄音等目的進行專業的音訊剪輯與音訊處理，但這畢竟是不同的領域。」

庫尼表示同意。「我不知道任何競爭產品音頻織女的。」他補充說，「DSP概念有其他的產品也是如此，如聲音增強算法（噪音抑制，迴聲取消，波束賦形），基準和參考設計。」

Cooney也同意這一看法。「我還不知道Audio Weaver有任何競對手。」他補充說，「DSP Concepts也有其他的產品，例如聲音增強演算法(雜訊抑制、回音消除、波木成形等)、基準與參考設計。」

*圖2：全球麥克風與音訊處理器市場
（來源：SAR Insights & Consulting）*

DSP Concepts並未設計或銷售DSP。然而，競爭對手一般都是其他的DSP業者。Audio Weaver的競爭產品來自德州儀器(TI)或Cirrus Logic等DSP供應商自行打造的音訊工具。其差異之處在於那些內部開發的工具僅用於DSP供應商自家的晶片。而採用像Audio Weaver這樣的獨立平台工具，Tu強調，「OEM不必被限制於一種特定的DSP。」

Cooney說，DSP Concepts藉由與Cadence/Tensilica等許多公司合作，主要的業務在於為其客戶提供音訊設計解決方案。

除了Audio Weaver工具，DSP Concepts也授權一些可形成麥克風輸入的音訊演算法，包括波束成形、回聲消除、雜訊消除與遠音場(far-field sound)等演算法。Beckmann指出，在此業界缺乏深諳音訊處理的工程人才之際，市場亟需易於使用的音訊預處理演算法，以便能從不需要的環境雜訊中區隔出聲音來。

音訊：長期受冷落的領域

然而，目前使用音訊進行聲學事件檢測(和分析)仍然是一種相對較新的應用。

O’Donnell指出，「理論上，可能會有更多專用音訊處理器在做AI，但坦白說，音訊就像是長期受到視訊的冷落一樣，而且時至今日也是如此。」

他補充說，聲音的另一項重大挑戰是「語言與意義」。他說，「一張樹的圖片以任何語言來說是樹，但要瞭解字、詞以及最重要的意義與意圖，就具有語言與文化的獨特性了。這使得語音辨識與自然語言的處理變得十分困難。」

Beckmann坦承，音訊缺乏標準，也造成了差距。

以OpenGL來看，它是一種針對圖形渲染的跨語言、跨平台API。對於想要編寫程式碼的視訊遊戲設計人員來說，這種API十分重要。像Nvidia等GPU供應商在使用這種API後就能最佳化其硬體。

音訊世界則可以使用硬體抽象層來實現跨平台的硬體加速渲染，類似於OpenGL所扮演的角色一樣。如果缺乏標準，每一家音訊晶片公司都必須最佳化自家硬體以及自給自足。缺乏標準延緩了擴展跨平台的音訊應用所需的創新腳步。

實現永不斷電的續航力

Amazon Echo或Google Home等流行的數位虛擬助理下一步要實現的就是「長時傾聽」(always-listening)的能力。Amazon正透過其‘tap-then-speak’的語音啟動機制加速這方面的進展。但該裝置還不能稱得上是‘always listening’。

*圖3：全球語音介面與長時傾聽技術市場
（來源：SAR Insights & Consulting）*

具有永不斷線/長時傾聽能力的裝置一旦走出家門，將開始面臨各種挑戰。到了戶外，它的音訊處理能力必須從背景雜訊中區隔出需要聽到的聲音。此外，Beckmann強調，更大的問題還在於電池壽命。

為此，他指出，「位於波士頓的新創公司Vesper開發的靜態感測MEMS元件就十分關鍵。」Vesper專門開發壓電MEMS麥克風，不久前還發佈了一款新的聲學感測器，可利用聲能喚醒完全待機中的系統。

Vesper執行長Matt Crowley表示，這款新的壓電MEMS麥克風VM1010可在傾聽模式下汲取僅3μA電流，該元件預計在今年第四季出樣。Crowley並承諾，VM1010的新版本將會配備「鑑頻」(frequency discrimination)功能。這表示系統設計者可因應槍聲、玻璃粉碎或人聲等特定的雜訊特性編程MEMS麥克風。

汽車內部

回過頭來看看汽車內部的音訊應用。語音為汽車內部提供了自然的人機介面(HMI)。

為了提高駕駛人使用免持聽筒的語音品質，一線業者與汽車OEM嚴重地依賴音訊處理技術。Beckmann說，「配備多聲道(從8-32聲道)揚聲器的汽車，帶來了十分複雜的音訊系統。」

不僅如此，隨著電動車的出現，汽車產業開始使用假引擎噪音——或「電子聲音」。從BMW到福斯(Volkswagen)等越來越多的汽車製造商開始玩各種共鳴放大器技巧。事實上，不只是電動車，當今更省油的引擎聲音更安靜，也較不那麼有力了。汽車製造商擔心所有的平靜可能會讓潛在買家卻步。

對於汽車產業的許多人來說，音訊是熟悉的領域。汽車製造商們知道，音訊可以為其提供差異化。車內的聲學感測器不僅可以聽到外面發生的事情，未來，車子自己的引擎也能夠針對診斷應用偵測任何異常情況。

編譯：Susan Hong

(參考原文：Audio Rises for Event Detection，by Junko Yoshida)

活動簡介

未來寬能隙半導體元件會在哪些應用成為主流？元件供應商又會開發出哪些新的應用寬能隙元件的電路架構，以協助電力系統開發商進一步簡化設計複雜度、提升系統整體效率？TechTaipei「寬能隙元件市場與技術發展研討會」將邀請寬能隙半導體的關鍵供應商一一為與會者解惑。

贊助廠商

立即報名