智能語音識別趨勢

—

近期，亞馬遜發(fā)布了幾款全新的Echo，新Echo可以更快地處理Alexa請求，同時還有一款配備了10.1英寸的顯示屏。 從當(dāng)下智能音箱上市的趨勢來看，消費者對智能音箱“語音識別的響應(yīng)速度”、“強外噪、超大功率音樂播放環(huán)境下的喚醒率”，“隱私”，“語音、視覺識別、觸屏、SLAM多模態(tài)交互”的要求，都在日益提升。 未來，在智能語音處理器中，如何具備：實時的精準(zhǔn)語音識別、多模態(tài)交互、更出色的高級音效與差異化，是該領(lǐng)域的關(guān)鍵發(fā)展點。

1全志預(yù)研，與發(fā)展趨勢不謀而合兩年前，全志預(yù)判到了智能語音趨勢的發(fā)展，提前規(guī)劃了專為“語音識別深度學(xué)習(xí)算法”而打造的全新處理器 —— R329。R329提供了一種全新的語音識別硬件加速神經(jīng)網(wǎng)絡(luò)，支持int8、int16混合精度流式處理，從而可以在更快地處理請求，語音識別體驗更快，平均響應(yīng)時間從2秒左右減少到200毫秒以內(nèi)，這是一個不容小覷的提升。R329同時具有同類優(yōu)秀的能源效率，能源消耗減少了25倍，語音處理速度提高了30倍。

核心客戶體驗R329 得益于R329本地端側(cè)語音識別深度學(xué)習(xí)算力幾十倍級的提升，R329的核心品牌客戶正逐步建立起以語音識別為核心的安全系統(tǒng)解決方案。比如在智能家居場景，R329可以檢測各種聲音做出智能反應(yīng)；比如聽到嬰兒的哭聲時智能開燈并提醒寶媽；比如主人設(shè)定外出期間在室內(nèi)檢測到開關(guān)門聲、腳步聲自動發(fā)出報警聲和信息提醒等等。 2帶屏智能語音處理器R818與此同時，全志也規(guī)劃了一顆可帶屏的智能語音處理器R818。

核心客戶體驗R818 得益于R818本地端側(cè)深度學(xué)習(xí)算力，相較于CortexA35高達(dá)七成的提升的同時，功耗、溫升還出現(xiàn)了明顯的降低。R818的核心品牌客戶可以獲得持續(xù)、穩(wěn)定的高算力輸出，從而逐步建立起更具人性化的語音識別、視覺識別、觸屏多模態(tài)的智能感知交互。比如在智能家居場景，R818可以在小神獸在線觀看超清動畫片的同時，通過人臉檢測自動進(jìn)入兒童模式，過濾成人內(nèi)容，通過童聲語音，識別圖文并茂的回答寶寶們所提出的十萬個為什么，通過攝像頭深度學(xué)習(xí)的坐姿檢測培養(yǎng)小神獸良好的坐姿習(xí)慣等等。 3非云端，本地實現(xiàn)關(guān)于亞馬遜此顆新處理器其能源消耗大大減少、語音速度大幅提升，這些改進(jìn)，都得益于處理本身是在設(shè)備上完成的，從而消除了將查詢發(fā)送到云的需求。

而目前智能語音識別趨勢來看，不上傳云端，本地實現(xiàn)語音識別是更有效的解決方案。R329/R818不僅也能大幅提升設(shè)備端的語音識別能力，同時還能實現(xiàn)本地的語音識別，不需要上傳云端、在本地即可實現(xiàn)各種方言命令的識別，響應(yīng)時間從2秒降低到200毫秒以內(nèi)。

同時，R329/R818處理器還可實現(xiàn)離線IOT控制，比如控制空調(diào)、燈、掃地機、油煙機、加濕器、窗簾等，且同時支持多種方言的交互，講粵語的丈母娘和講四川話的老媽都可以自然語言交互。 目前，R329與R818都已成功導(dǎo)入到部分中國Top3的智能音箱客戶，未來，全志科技將在智能語音識別領(lǐng)域持續(xù)發(fā)力，為用戶帶來更高效率的高準(zhǔn)確率的語音識別體驗。

R329芯片規(guī)格介紹

集成雙路AUDIO DSP HIFI4，硬件支持32位浮點的高精度前端、后端數(shù)字信號處理算力；

集成AUDIO專用NPU，支持160 MACs，語音識別專用深度學(xué)習(xí)算力超過200GOPS；

集成雙核CortexA53 1.5GHZ，提供生態(tài)配套成熟、完善的用于系統(tǒng)、應(yīng)用和網(wǎng)絡(luò)連接開發(fā)的高效算力；

集成高達(dá)2MB的SRAM，搭配HIFI4實現(xiàn)50毫瓦雙麥遠(yuǎn)場格可喚醒的超低功耗；

集成高達(dá)256MB的DDR3，為LOCAL ASR、LOCAL NLP、LOCAL TTS等語音識別深度學(xué)習(xí)算法提供充裕的高容量、高帶寬的內(nèi)存支持。

R818芯片規(guī)格介紹

32位、64位浮點運算單元相較于CortexA35提升一倍，傳統(tǒng)信號處理算力提升60%以上；

8位、16位定點、整數(shù)運算單元相較于CortexA35提升一倍，深度學(xué)習(xí)算法算力提升70%以上；

HPC+制程工藝相較于同級別SOC的LP制程工藝CPU電壓下降20%，CPU峰值運行功耗降低40%；

出眾的視頻編解碼能力 (4KP30 H.265Decoder，1080P60 H.264 Encoder) ，完美滿足客戶的視聽盛宴需求；

集成豐富外設(shè)計口（2路同步并發(fā)MIPI CSI、IR、EMAC、6路uART、LEDC、4路I2S/TDM等），完美匹配各類行業(yè)方案需求。

原文標(biāo)題：不僅可視，也讓語音識別更快更有效 —— 全志R系列智能語音專用處理器

文章出處：【微信公眾號：全志科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq