Edge AI dan Hardware Dayah Daya Menggerakkan Pengendalian Suara
Kontrol suara dengan cepat meresap ke hampir setiap perangkat edge konsumen. Berkat breakthrough dalam algoritma pengenalan suara dan akselerator AI hemat daya, bahkan perangkat yang terbatas baterai kini dapat menawarkan antarmuka suara cerdas.
Dari sudut pandang konsumen, motivasi utama untuk gadget rumah pintar yang diaktifkan suara adalah sederhana.
“Kemudahan penggunaan dan kenyamanan mendorong adopsi,” ujar Alireza Kenarsari-Anhari, CEO PicoVoice, kepada EE Times. “Bayangkan memerintahkan pembuat kopi kantor Anda dari meja atau memberi tahu pengering pakaian apa yang harus dilakukan sambil Anda mengatur cuci.”
Meskipun banyak dari perangkat ini tetap terhubung dan selalu terhubung ke Wi-Fi rumah, pemrosesan audio secara lokal menawarkan manfaat privasi dan keandalan yang menarik.
Edge AI didorong oleh privasi—konsumen ingin menjaga percakapan mereka lokal, dan perusahaan sering mengharuskan kontrol data yang ketat—dan oleh keandalan. “Apakah Anda ingin mesin cuci pakaian Anda berhenti karena gangguan Wi-Fi?” tanya Kenarsari-Anhari.
Latensi penting untuk kasus penggunaan yang sensitif waktu, seperti gaming, di mana bahkan milidetik dapat mempengaruhi pengalaman.
Inferensi cloud menimbulkan biaya recurring per permintaan, yang tidak berkelanjutan untuk perangkat dengan frekuensi tinggi dan margin rendah. Pemrosesan edge menghilangkan biaya tersebut.
PicoVoice menawarkan mesin speech-to-text bebas cloud yang berjalan pada mikrokontroler yang harganya di bawah $1. Ini membuka kontrol suara untuk wearable, hearable, dan bahkan perangkat industri, keamanan, dan medis yang memerlukan efisiensi daya dan biaya yang ekstrim.
Platform Shepherd barunya memungkinkan pengembang membuat aplikasi suara pada mikrokontroler tanpa menulis kode, terintegrasi dengan PicoVoice Console. Saat ini mendukung ARM Cortex-M MCU populer dari ST dan NXP, dengan perangkat tambahan pada roadmap.
“Saya pikir suara adalah antarmuka—jika Anda dapat membangun GUI atau situs web Anda tanpa coding, mungkin menggunakan WordPress, membangun antarmuka suara dengan cara yang serupa adalah langkah logis berikutnya,” kata Kenarsari-Anhari. “Shepherd memungkinkan manajer produk dan desainer UX untuk membuat prototipe dan iterasi dengan cepat, dan kami bertujuan untuk memperluas basis pengguna target. Bagaimana jika semua orang dapat membangun asisten sendiri? Namai sesuai keinginan mereka—tidak perlu Alexa—dan berikan kepribadian yang mereka inginkan.”
Sementara memungkinkan untuk mengembangkan model pemrosesan bahasa alami dari awal, itu memerlukan sumber daya yang signifikan. “Apple, Amazon, Google dan Microsoft melakukannya,” katanya. “Itu adalah pertanyaan apakah perusahaan memiliki kapasitas dan kemauan untuk membangun organisasi yang didedikasikan di sekitarnya.”
Tren Masa Depan
Suara menjadi antarmuka yang dipilih bagi generasi pengguna teknologi berikutnya, kata Kurt Busch, CEO Syntiant, kepada EE Times musim panas lalu.
Busch mengingat anak terkecilnya—yang bisa membaca tetapi belum bisa menulis atau mengeja—menggunakan suara untuk mengirim pesan tekan ke teman di smartphone. “Generasi mereka mendapatkan ponsel awal; mereka kini default berbicara,” katanya. Ia membayangkan suara sebagai “layar sentuh masa depan,” dengan pemrosesan di dalam perangkat yang menyediakan antarmuka yang cepat dan responsif terlebih dahulu pada keyboard dan mouse, lalu pada barang putih.
Akselerator AI spesialis Syntiant menangani beban kerja suara dalam elektronik konsumen dengan anggaran daya rendah. Hasta sekarang, perusahaan telah mengirimkan lebih dari 10 juta chip di seluruh dunia, sebagian besar mendayai deteksi kata kunci selalu nyala di ponsel seluler. NDP120 terbaru dapat mengenali kata sandi seperti “OK Google” dan mengaktifkan asisten dalam waktu kurang dari 280 µW.
Busch juga melihat suara sebagai kekuatan demokratisasi. “Tiga miliar orang hidup dengan $2 sehari dan seringkali tidak memiliki internet atau pendidikan formal. Bicara adalah antarmuka alami bagi mereka,” katanya. “Aplikasi suara-pertama dapat membawa teknologi ke wilayah yang kurang terlayani, secara hemat biaya dan nyaman.”
Fragmentasi Pasar
Pertumbuhan cepat dapat menyebabkan fragmentasi, kata Vikram Shirastava, senior director of IoT di Knowles. “Pasar terpecah menurut mesin pengucapan, platform hardware, sistem operasi, dan lingkungan akustik—rumah, pintu, mobil, dll.”
Knowles menawarkan solusi kontrol suara berbasis DSP yang disesuaikan untuk berbagai vertikal. Dengan mengelompokkan pasar dengan kebutuhan yang sama—seperti kontrol rumah, soundbar TV, dan remote control—ia dapat memberikan produk yang dioptimalkan, “satu tingkat di bawah turnkey.” “Kami meluncurkan beberapa rilis yang mengatasi titik fragmentasi tertentu, memungkinkan kami melayani vertikal yang kami targetkan,” kata Shirastava.
Latest AISonic Bluetooth Standard Solution Knowles adalah development kit untuk pengenalan suara dalam perangkat yang terhubung Bluetooth seperti smart speaker, wearable, dan asisten dalam kendaraan. Dibangun pada silikon DSP dual-core IA8201, ia menjalankan deteksi kata kunci, klasifikasi sumber, beamforming, pembatalan ekho akustik, dan estimasi arah sumber secara bersamaan, semuanya dalam 50 mW. Efisiensi ini berasal dari instruksi set dengan hampir 400 instruksi audio dan AI kustom, yang memungkinkan frekuensi jam yang lebih rendah dan konsumsi daya yang dikurangi.
Sugr’s iOttie Aivo Connect vehicle smartphone holder menggunakan IA8201 Knowles untuk kemampuan suara dalam mobil. Ia memiliki kemampuan asisten suara Alexa bawaan. (Sumber: Knowles)
Apakah suara akan menjadi antarmuka pengguna default di seluruh elektronik konsumen? Konvergensi algoritma suara AI yang canggih dan efisien, rantai alat yang ramah pengembang, dan ekosistem hardware dayah rendah dan biaya rendah yang tumbuh menunjukkan bahwa itu arahnya.
>> Artikel ini awalnya diterbitkan di situs saudara kami, EE Times.
