Pemrosesan Data Suara yang Lebih Cerdas Memberikan Umur Baterai yang Lebih Lama untuk Perangkat Always-On

Perangkat always-on—dari smart speaker hingga wearable—telah mengubah kehidupan sehari-hari, namun kebutuhan baterai mereka masih menjadi tantangan mendesak.

Meskipun voice assistant terasa sebagai hasil dari kehidupan modern, Amazon hanya meluncurkan smart speaker pertamanya, Echo, pada akhir 2014. Kini, ratusan juta perangkat voice-first, dari hub rumah hingga earbuds, selalu mendengarkan kata sandi. SAR Insight & Consulting meramalkan bahwa pada tahun 2023 basis terpasang perangkat always-on yang didukung suara akan mendekati satu miliar unit.

Di inti sistem ini adalah mikrofon MEMS ultra-mini yang menangkap suara lingkungan. Awalnya, analisis berbasis cloud tampak ideal, namun volume data yang dihasilkan oleh perangkat IoT—41,6 miliar perangkat yang diproyeksikan akan menghasilkan 79,4 zettabyte data pada tahun 2025 (International Data Corp.)—telah membanjiri bandwidth jaringan dan menguras baterai perangkat. Botleneck ini telah mempercepat pergeseran menuju edge computing, membawa pemrosesan canggih lebih dekat ke sensor.

Edge Computing Bertemu TinyML

Solusi edge modern memanfaatkan digital signal processor rendah daya dan mikrokontroler yang dilengkapi dengan core jaringan syaraf tiruan embedded—chip TinyML. Chip-chip ini dapat melakukan deteksi kata sandi yang kompleks secara lokal, mengurangi ketergantungan pada sumber daya cloud. Namun, mereka masih mewarisi arsitektur legacy yang memaksa setiap sampel audio analog diubah ke digital segera, bahkan ketika tidak ada suara yang ada. Akibatnya, OEM membuang 80–90% umur baterai pada pemrosesan data yang tidak relevan, memaksa konsumen memilih antara asisten yang ditenagai dinding, non-portabel, dan asisten portable yang terbatas baterai.

Kekuatan Pemrosesan Analog-Pertama

Untuk mengatasi ketidakefisienan ini, desainer beralih ke paradigma yang terinspirasi dari sistem sensorik manusia: proses sinyal analog mentah terlebih dahulu, dan hanya panggil mesin digital ketika diperlukan. Rangkaian analog unggul dalam ekstraksi fitur real-time rendah daya—mendeteksi apakah sebuah suara mengandung suara, misalnya—sebelum konversi digital terjadi. Strategi ini menjaga processor digital daya tinggi dalam tidur dalam hingga kata sandi asli terdeteksi, secara dramatis memperpanjang umur baterai.

Mengadopsi arsitektur analog-pertama yang terinspirasi bio tidak memerlukan setiap chip untuk meniru otak. Sebaliknya, itu menggambar ulang hierarki sistem: front-end analog bertindak sebagai manajer lalu lintas, memfilter kebisingan dan meneruskan hanya data yang salient ke core TinyML.

Pemrosesan edge terinspirasi bio memfokuskan daya digital pada data sensorik yang paling relevan. (Gambar: Aspinity)

Manfaat yang Berpusat pada Konsumen

Dengan meminimalkan konversi data dan memanfaatkan pra-pemrosesan analog, produsen dapat menyediakan voice assistant yang berjalan selama bulan dengan satu set baterai, menghilangkan kebutuhan akan daya dinding terus-menerus. Hasilnya adalah pengalaman yang lebih fleksibel dan ramah pengguna—bayangkan remote TV yang diaktifkan suara yang bertahan setahun dengan satu charge.

Referensi

¹ International Data Corp. Worldwide Global DataSphere IoT Device and Data Forecast, 2019–2023. Juni 2019

>> Artikel ini awalnya diterbitkan di situs saudara kami, EE Times Europe.