Amazon Echo拆解，引以為豪的語(yǔ)音控制都有啥貓膩？

　　亞馬遜(Amazon) Echo可說(shuō)是目前最熱銷(xiāo)的物聯(lián)網(wǎng)(IoT)裝置，無(wú)論你稱(chēng)它為智慧麥克風(fēng)、虛擬數位助理、家用機器人、語(yǔ)音控制或R2-D2，這一類(lèi)以語(yǔ)音為基礎的產(chǎn)品正迅速崛起...

　　相較于Echo，最新的第二代Echo Dot的價(jià)格從89.99美元調整為49.99美元，并將于本月在美國上市銷(xiāo)售。

　　Amazon Echo(及其隨后推出的Dot)開(kāi)辟了一個(gè)新的市場(chǎng)，讓裝置供應商能夠在語(yǔ)音擷取、提高麥克風(fēng)音訊解析度、更先進(jìn)的背景雜訊過(guò)濾、更好的音場(chǎng)偵測與穩定連線(xiàn)能力等方面展開(kāi)競爭，以提供更佳音訊品質(zhì)。

　　Amazon Echo (左)及其第二代產(chǎn)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(gè)新的語(yǔ)音介面市場(chǎng)。XMOS行銷(xiāo)與業(yè)務(wù)發(fā)展副總裁Paul Neil表示，“物聯(lián)網(wǎng)目前正是一場(chǎng)快速移動(dòng)的盛宴。為了控制IoT裝置，語(yǔ)音是最自然的使用者介面?！?/p>

　　Neil說(shuō)，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(shù)成為語(yǔ)音介面的理想選擇?！?/p>

　　然而，硬體裝置之間的戰爭只是構成整個(gè)智慧麥克風(fēng)/揚聲器市場(chǎng)的一部份。IHS Markit連網(wǎng)家庭資深分析師Paul Erickson強調，“真正的競爭變數來(lái)自云端?！?/p>

　　為了追求更“聰明”的智慧麥克風(fēng)(能夠處理復雜的查詢(xún)和隨機問(wèn)題)，云端服務(wù)領(lǐng)域的競爭越來(lái)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(jìn)入這個(gè)市場(chǎng)。Erickson表示，“而且市場(chǎng)上盛傳蘋(píng)果(Apple)很可能將在2017年挾其Siri進(jìn)入這個(gè)領(lǐng)域?！?/p>

　　Amazon Echo——這款I(lǐng)oT裝置如此熱門(mén)的另一個(gè)原因在于它極具潛力，可實(shí)現IoT的重要優(yōu)點(diǎn)：經(jīng)得起時(shí)間考驗(Future-proofing)。

　　芯科科技(Silicon Labs)軟體副總裁Skip Ashton解釋?zhuān)現uture-proofing的意思是“確保裝置可隨時(shí)間進(jìn)展持續添加更多功能特性?！崩?，Alexa為Echo提供的語(yǔ)音服務(wù)功能一開(kāi)始有70種，如今已經(jīng)增加到超過(guò)1,700種了。

　　Echo可以回答問(wèn)題、閱讀新聞、為運動(dòng)評分、控制燈光、從Amazon網(wǎng)站訂購產(chǎn)品以及設定鬧鈴等。使用者還可以利用該裝置向Uber叫車(chē)或訂購披薩外送等。

　　“目前Echo大約每?jì)芍芡高^(guò)云端更新一次，”Ashton說(shuō)，“Amazon會(huì )在星期五時(shí)發(fā)送電子郵件給Echo用戶(hù)發(fā)布新功能， ”而Echo用戶(hù)“也對于產(chǎn)品的功能持續增加懷抱著(zhù)期待?！?/p>

　　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(chǎn)業(yè)帶來(lái)重大影響的原因：智慧麥克風(fēng)/智慧揚聲器應用“對于處理器供應商來(lái)說(shuō)極具價(jià)值?！?/p>

　　因為這種裝置關(guān)鍵之處并不只是提供了“本地智慧”。語(yǔ)音介面正普遍應用在廣大的市場(chǎng)領(lǐng)域。不只是數位助理市場(chǎng)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(shuō)，“家庭自動(dòng)化中心和數位助理可以?xún)冉ㄓ陔娨?、機上盒(STB)、HVAC/環(huán)境控制中樞等等。此外，在車(chē)載資訊娛樂(lè )方面也存在大量的應用，特別是著(zhù)眼于其免手持的優(yōu)點(diǎn)?！?/p>

　　拆解Echo與Echo Dot

　　透過(guò)拆解Echo與Echo Dot并進(jìn)一步比較后，Hackenberg說(shuō)，“除了記憶體供應商，我發(fā)現Echo和Echo Dot的處理元件并沒(méi)有明顯的不同?！?/p>

　　拆解Echo與Echo Dot

　　根據iFixit所進(jìn)行的拆解，Amazon Echo采用：

　　三星(Samsung) K4X2G323PD-8GD8 256MB LPDDR1 RAM (揮發(fā)性記憶體)

　　SanDisk SDIN7DP2-4G 4GB iNAND Ultra Flash (非揮發(fā)性?xún)Υ?

　　而到了新版的Dot則改用：

　　美光(Micron) MT46H64M32LFBQ 256MB (16Meg x 32 x 4Banks) LPDDR SDRAM (揮發(fā)性記憶體)

　　三星KLM4G1FEPD 4GB高性能eMMC NAND Flash (非揮發(fā)性?xún)Υ?

　　兩款產(chǎn)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(zhuān)用標準處理器則用于提供“連接性”。

　　Hackenberg解釋說(shuō)，雖然記憶體可能稍微影響性能，但記憶體定價(jià)是波動(dòng)的。因此，對于Echo系列的所有產(chǎn)品而言，在其整個(gè)生命周期中改變所使用的元件也很平常。

　　相形之下，“連線(xiàn)模組，尤其是媒體處理器更加復雜，如果不是重大的產(chǎn)品更新，一般并不會(huì )改變，”他說(shuō)。

　　Hackenberg指出，Atheros處理器專(zhuān)用于作為連接應用標準產(chǎn)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(xié)調與網(wǎng)路的通訊，以利作業(yè)進(jìn)行?！?/p>

　　Erickson補充說(shuō)，“連接能力至關(guān)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(dòng)有多么“即時(shí)”。因此，Wi-Fi的吞吐量、服務(wù)品質(zhì)(QoS)與范圍的改善，都將有所幫助?！?/p>

　　所有的“本地”(local)智慧功能是由TI DM3725進(jìn)行處理。Hackenberg指出，“這是一款專(zhuān)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)?！?/p>

　　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?！癈ortex A8是一款成熟且經(jīng)濟型的應用處理器，但又完全足夠用于本地執行簡(jiǎn)單的任務(wù)，”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(huì )有所變化?！?/p>

　　Amazon Echo Dot主板

　　整合DSP

　　根據Hackenberg，這顆SoC的關(guān)鍵就在于整合了DSP，甚至可能是GPU。

　　“在一個(gè)典型的設計中，存在多個(gè)輸入感測器(主要是麥克風(fēng))。整個(gè)音訊輸入首先經(jīng)DSP高度濾波，使系統快速地理解用戶(hù)的語(yǔ)音和環(huán)境雜訊之間的差異，”他說(shuō)。

　　“它甚至能夠解讀相對于該裝置的位置或甚至發(fā)話(huà)者是誰(shuí);它還建立了一種模式，能夠經(jīng)過(guò)處理以匹配該模式(通常發(fā)送至云端)，”他補充說(shuō)。

　　但是，GPU做什么呢?

　　Hackenberg認為，“對于本地智慧，GPU可以用于更簡(jiǎn)單、但快速且高效的本地模式匹配?！?/p>

　　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(jiǎn)單的控制，而無(wú)需網(wǎng)路連接，他解釋說(shuō)。 “接著(zhù)，應用核心根據所需提供的回應、啟動(dòng)/關(guān)閉所需的輸入或控制以及必須顯示的內容等條件來(lái)執行應用程式?！?/p>

　　麥克風(fēng)陣列

　　Amazon Echo和Dot之所以吸引人之處在于它使用了7麥克風(fēng)陣列。Amazon聲稱(chēng)，Echo和Dot由于使用了多支麥克風(fēng)和波束成型技術(shù)，因而“能在整個(gè)室內都聽(tīng)到你的聲音——即使是正在播放音樂(lè )的環(huán)境下?！痹摴具€表示，Echo是一款專(zhuān)業(yè)級的調音揚聲器，能以360°沉浸式音效充滿(mǎn)在整個(gè)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(fēng)。

　　Dot采用7支麥克風(fēng)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(chǎng)音訊擷取，同時(shí)改善語(yǔ)音辨識。

　　但最終，“演算法才是實(shí)現更優(yōu)質(zhì)語(yǔ)音辨識的真正關(guān)鍵，”他說(shuō)，“所謂的『智慧』就在于云端可能持續作為關(guān)鍵應用，而本地處理則可以提高對于簡(jiǎn)單/預定義片語(yǔ)(如Hey Siri等)的辨識能力?！?/p>

　　他以Cypheras為例表示，“這一類(lèi)的軟體供應商將有利于智慧家庭系統(如Alexa)中的語(yǔ)音辨識功能?！?/p>

　　Amazon Echo Dot

　　競爭日益加劇

　　以供應商來(lái)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(lǐng)域展開(kāi)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(jiàn)，但有些設計針對較低成本的解決方案或許將會(huì )只用藍牙。

　　媒體處理器較為棘手。雖然多家行動(dòng)裝置應用處理器供應商都可提供，但對于簡(jiǎn)單的應用來(lái)說(shuō)成本太高。根據Hackenberg的觀(guān)察，供應商們可能會(huì )選擇不提供性能相當的DSP或模式匹配功能。

　　“我可能會(huì )考慮采用Apple Ax、Broadcom BCM7xxxx、海思(Hisilicon) Hi3xxx、NXP i.MX、聯(lián)發(fā)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(yǔ)音辨識至關(guān)重要)的優(yōu)勢，但其他的這幾家供應商也在不斷地縮小差距中?！?/p>

　　XMOS相信該公司將在這個(gè)市場(chǎng)上獲得動(dòng)能。對于諸如Echo這一類(lèi)的語(yǔ)音助理產(chǎn)品，提高性能的關(guān)鍵在于遠場(chǎng)語(yǔ)音擷取能力、波束成型與處理速度等。Neil認為，“憑藉著(zhù)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?！?/p>

　　XMOS xCore語(yǔ)音介面案例