智能語音識別趨勢

—

近期，亞馬遜發布了幾款全新的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“語音識別的響應速度”、“強外噪、超大功率音樂播放環境下的喚醒率”，“隱私”，“語音、視覺識別、觸屏、SLAM多模態交互”的要求，都在日益提升。 未來，在智能語音處理器中，如何具備：實時的精準語音識別、多模態交互、更出色的高級音效與差異化，是該領域的關鍵發展點。

1全志預研，與發展趨勢不謀而合兩年前，全志預判到了智能語音趨勢的發展，提前規劃了專為“語音識別深度學習算法”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網絡，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，平均響應時間從2秒左右減少到200毫秒以內，這是一個不容小覷的提升。R329同時具有同類優秀的能源效率，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本地端側語音識別深度學習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；比如聽到嬰兒的哭聲時智能開燈并提醒寶媽；比如主人設定外出期間在室內檢測到開關門聲、腳步聲自動發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本地端側深度學習算力，相較于CortexA35高達七成的提升的同時，功耗、溫升還出現了明顯的降低。R818的核心品牌客戶可以獲得持續、穩定的高算力輸出，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入兒童模式，過濾成人內容，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，通過攝像頭深度學習的坐姿檢測培養小神獸良好的坐姿習慣等等。 3非云端，本地實現關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，都得益于處理本身是在設備上完成的，從而消除了將查詢發送到云的需求。

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

同時，R329/R818處理器還可實現離線IOT控制，比如控制空調、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域持續發力，為用戶帶來更高效率的高準確率的語音識別體驗。

R329芯片規格介紹

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習算力超過200GOPS；

集成雙核CortexA53 1.5GHZ，提供生態配套成熟、完善的用于系統、應用和網絡連接開發的高效算力；

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

集成高達256MB的DDR3，為LOCAL ASR、LOCAL NLP、LOCAL TTS等語音識別深度學習算法提供充裕的高容量、高帶寬的內存支持。

R818芯片規格介紹

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

8位、16位定點、整數運算單元相較于CortexA35提升一倍，深度學習算法算力提升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；

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

原文標題：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】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq