揭秘Amazon Echo语音控制的神秘面纱
亚马逊（amazon） echo可说是目前最热销的物联网（iot）装置，无论你称它为智慧麦克风、虚拟数位助理、家用机器人、语音控制或r2-d2，这一类以语音为基础的产品正迅速崛起。..
相较于echo，最新的第二代echo dot的价格从89.99美元调整为49.99美元，并将于本月在美国上市销售。
amazon echo（及其随后推出的dot）开辟了一个新的市场，让装置供应商能够在语音撷取、提高麦克风音讯解析度、更先进的背景杂讯过滤、更好的音场侦测与稳定连线能力等方面展开竞争，以提供更佳音讯品质。
amazon echo （左）及其第二代产品dot
而像xmos等公司虽然自家晶片并未用于echo中，但也瞄准了这个新的语音介面市场。xmos行销与业务发展副总裁paul neil表示，“物联网目前正是一场快速移动的盛宴。为了控制iot装置，语音是最自然的使用者介面。”
neil说，由于融合了“传统的微控制器（mcu）性能、嵌入式dsp以及灵活的i/o组合，使得我们的技术成为语音介面的理想选择。”
然而，硬体装置之间的战争只是构成整个智慧麦克风/扬声器市场的一部份。ihs markit连网家庭资深分析师paul erickson强调，“真正的竞争变数来自云端。”
为了追求更“聪明”的智慧麦克风（能够处理复杂的查询和随机问题），云端服务领域的竞争越来越激烈。 google预计将于今年年底推出google home与google assistant （google now的新版本），并借此进入这个市场。erickson表示，“而且市场上盛传苹果（apple）很可能将在2017年挟其siri进入这个领域。”
amazon echo——这款iot装置如此热门的另一个原因在于它极具潜力，可实现iot的重要优点：经得起时间考验（future-proofing）。
芯科科技（silicon labs）软体副总裁skip ashton解释，future-proofing的意思是“确保装置可随时间进展持续添加更多功能特性。”例如，alexa为echo提供的语音服务功能一开始有70种，如今已经增加到超过1，700种了。
echo可以回答问题、阅读新闻、为运动评分、控制灯光、从amazon网站订购产品以及设定闹铃等。使用者还可以利用该装置向uber叫车或订购披萨外送等。
“目前echo大约每两周透过云端更新一次，”ashton说，“amazon会在星期五时发送电子邮件给echo用户发布新功能， ”而echo用户“也对于产品的功能持续增加怀抱着期待。”
本地智慧
ihs markit嵌入式处理器首席分析师tom hackenberg剖析amazon echo对于电子产业带来重大影响的原因：智慧麦克风/智慧扬声器应用“对于处理器供应商来说极具价值。”
因为这种装置关键之处并不只是提供了“本地智慧”。语音介面正普遍应用在广大的市场领域。不只是数位助理市场出现，成为智慧型手机app的消费电子装置版本，还有扬声器，也不是它唯一的外形应用。
例如，他解释说，“家庭自动化中心和数位助理可以内建于电视、机上盒（stb）、hvac/环境控制中枢等等。此外，在车载资讯娱乐方面也存在大量的应用，特别是着眼于其免手持的优点。”
拆解echo与echo dot
透过拆解echo与echo dot并进一步比较后，hackenberg说，“除了记忆体供应商，我发现echo和echo dot的处理元件并没有明显的不同。”
拆解echo与echo dot （来源：ifixit）
根据ifixit所进行的拆解，amazon echo采用：
三星（samsung） k4x2g323pd-8gd8 256mb lpddr1 ram （挥发性记忆体）
sandisk sdin7dp2-4g 4gb inand ultra flash （非挥发性储存）
而到了新版的dot则改用：
美光（micron） mt46h64m32lfbq 256mb （16meg x 32 x 4banks） lpddr sdram （挥发性记忆体）
三星klm4g1fepd 4gb高性能emmc nand flash （非挥发性储存）
两款产品使用的处理器则是相同的。在echo与dot的核心采用的是“德州仪器（texas instruments；ti）的媒体处理器dm3725”，此外，高通（qualcomm） atheros qca6234应用专用标准处理器则用于提供“连接性”。
hackenberg解释说，虽然记忆体可能稍微影响性能，但记忆体定价是波动的。因此，对于echo系列的所有产品而言，在其整个生命周期中改变所使用的元件也很平常。
相形之下，“连线模组，尤其是媒体处理器更加复杂，如果不是重大的产品更新，一般并不会改变，”他说。
hackenberg指出，atheros处理器专用于作为连接应用标准产品。其设计是以tensilica客制化xtensa核心为基础，而且“它只做一件事——协调与网路的通讯，以利作业进行。”
erickson补充说，“连接能力至关重要，因为它涉及哪些资料可被撷取、传送与接收云端资料的速度与可靠度等。由于速度/响应的可用性因素，它直接影响到与扬声器之间的互动有多么“即时”。因此，wi-fi的吞吐量、服务品质（qos）与范围的改善，都将有所帮助。”
所有的“本地”（local）智慧功能是由ti dm3725进行处理。hackenberg指出，“这是一款专为stb、tv、显示器、视讯游戏系统等各种多媒体应用而设计的系统单晶片（soc）。”
dm3725是一款以arm cortex a8为基础打造的元件，并整合ti的c64x+dsp与3d绘图加速引擎。“cortex a8是一款成熟且经济型的应用处理器，但又完全足够用于本地执行简单的任务，”hackenberg表示。
然而，“如果应用变得复杂，而不只是一款扬声器这么单纯，可能就会有所变化。”
amazon echo dot主板 （来源：ifixit）
整合dsp
根据hackenberg，这颗soc的关键就在于整合了dsp，甚至可能是gpu。
“在一个典型的设计中，存在多个输入感测器（主要是麦克风）。整个音讯输入首先经dsp高度滤波，使系统快速地理解用户的语音和环境杂讯之间的差异，”他说。
“它甚至能够解读相对于该装置的位置或甚至发话者是谁；它还建立了一种模式，能够经过处理以匹配该模式（通常发送至云端），”他补充说。
但是，gpu做什么呢？
hackenberg认为，“对于本地智慧，gpu可以用于更简单、但快速且高效的本地模式匹配。”
这可以让装置仍然回应所储存的控制模式，例如“降低音量”、“切换频道”或其他简单的控制，而无需网路连接，他解释说。 “接着，应用核心根据所需提供的回应、启动/关闭所需的输入或控制以及必须显示的内容等条件来执行应用程式。”
麦克风阵列
amazon echo和dot之所以吸引人之处在于它使用了7麦克风阵列。amazon声称，echo和dot由于使用了多支麦克风和波束成型技术，因而“能在整个室内都听到你的声音——即使是正在播放音乐的环境下。”该公司还表示，echo是一款专业级的调音扬声器，能以360°沉浸式音效充满在整个房间中。
根据ihs markit负责mems和感测器的资深分析师marwan boustany表示，echo采用了楼氏电子（knowles）的mems麦克风。
dot采用7支麦克风阵列
boustany指出，为声音频率提升其讯号杂讯比（snr）、匹配和性能，将有助于远场音讯撷取，同时改善语音辨识。
但最终，“演算法才是实现更优质语音辨识的真正关键，”他说，“所谓的『智慧』就在于云端可能持续作为关键应用，而本地处理则可以提高对于简单/预定义片语（如hey siri等）的辨识能力。”
他以cypheras为例表示，“这一类的软体供应商将有利于智慧家庭系统（如alexa）中的语音辨识功能。”
amazon echo dot （来源：ifixit）
竞争日益加剧
以供应商来看，目前有几家提供微控制器（mcu）和连接用assp的供应商可能在此领域展开竞争，包括apple、博通（broadcom）、赛普拉斯 （cypress）、微芯科技（microchip）、恩智浦（nxp）、瑞萨（renesas）、意法半导体（stmicroelectronics） 以及芯科科技（silicon labs）等。boustany表示，”802.11n与bt 4.0的组合并不常见，但有些设计针对较低成本的解决方案或许将会只用蓝牙。
媒体处理器较为棘手。虽然多家行动装置应用处理器供应商都可提供，但对于简单的应用来说成本太高。根据hackenberg的观察，供应商们可能会选择不提供性能相当的dsp或模式匹配功能。
“我可能会考虑采用apple ax、broadcom bcm7xxxx、海思（hisilicon） hi3xxx、nxp i.mx、联发科mt8xxx、意法stihxxx、高通（qualcomm）snapdragon等。当然，ti或许在成本方面具有最佳dsp支援（对于语音辨识至关重要）的优势，但其他的这几家供应商也在不断地缩小差距中。”
xmos相信该公司将在这个市场上获得动能。对于诸如echo这一类的语音助理产品，提高性能的关键在于远场语音撷取能力、波束成型与处理速度等。neil认为，“凭藉着大量的处理能力和嵌入式dsp，我们的xmos单晶片元件提供了可扩展和差异化的解决方案。”
xmos xcore语音介面案例 （来源：xmos）
编译：susan hong
（参考原文：amazon echo & how it resonates，by junko yoshida）
手机中集成的各类传感器
闪测仪能测量哪些产品？
SRRC认证有哪些标准?认证过程需要注意什么事项?
人工智能击败人类的决定性因素是什么？
新型氧化铪材料是如何将存储容量提升100倍的
揭秘Amazon Echo语音控制的神秘面纱
培育开源人才，助力开源生态发展｜2023开放原子全球开源峰会校源行分论坛圆满落幕
苹果发布了2019财年第一财季业绩报告,对外宣称营收达到843.00亿美元
电容的单位有哪些? 分别是?
case后边可以跟多个语句吗
数字化成为新基建的主旋律 新华三：从我做起
RFID技术可以为企业带来什么
全面分析数字沙盘与电子沙盘之间的区别
畅玩6x和红米note4x哪个值得买？一文读懂区别评测
欧洲能源危机持续升级！欧洲各国面临能源危机不断加剧局面
手持or车载式测绘仪器CPU芯片用底部填充胶
浅谈微控制器的音频编码技术
EMC认证极其三个重要规律解读
如何选择合适的芯片或模块进行物联网开发
STM32CubeMX系列的开发配置步骤解析
相较于echo，最新的第二代echo dot的价格从89.99美元调整为49.99美元，并将于本月在美国上市销售。
amazon echo（及其随后推出的dot）开辟了一个新的市场，让装置供应商能够在语音撷取、提高麦克风音讯解析度、更先进的背景杂讯过滤、更好的音场侦测与稳定连线能力等方面展开竞争，以提供更佳音讯品质。
amazon echo （左）及其第二代产品dot
而像xmos等公司虽然自家晶片并未用于echo中，但也瞄准了这个新的语音介面市场。xmos行销与业务发展副总裁paul neil表示，“物联网目前正是一场快速移动的盛宴。为了控制iot装置，语音是最自然的使用者介面。”
neil说，由于融合了“传统的微控制器（mcu）性能、嵌入式dsp以及灵活的i/o组合，使得我们的技术成为语音介面的理想选择。”
然而，硬体装置之间的战争只是构成整个智慧麦克风/扬声器市场的一部份。ihs markit连网家庭资深分析师paul erickson强调，“真正的竞争变数来自云端。”
为了追求更“聪明”的智慧麦克风（能够处理复杂的查询和随机问题），云端服务领域的竞争越来越激烈。 google预计将于今年年底推出google home与google assistant （google now的新版本），并借此进入这个市场。erickson表示，“而且市场上盛传苹果（apple）很可能将在2017年挟其siri进入这个领域。”
amazon echo——这款iot装置如此热门的另一个原因在于它极具潜力，可实现iot的重要优点：经得起时间考验（future-proofing）。
芯科科技（silicon labs）软体副总裁skip ashton解释，future-proofing的意思是“确保装置可随时间进展持续添加更多功能特性。”例如，alexa为echo提供的语音服务功能一开始有70种，如今已经增加到超过1，700种了。
echo可以回答问题、阅读新闻、为运动评分、控制灯光、从amazon网站订购产品以及设定闹铃等。使用者还可以利用该装置向uber叫车或订购披萨外送等。
“目前echo大约每两周透过云端更新一次，”ashton说，“amazon会在星期五时发送电子邮件给echo用户发布新功能， ”而echo用户“也对于产品的功能持续增加怀抱着期待。”
本地智慧
ihs markit嵌入式处理器首席分析师tom hackenberg剖析amazon echo对于电子产业带来重大影响的原因：智慧麦克风/智慧扬声器应用“对于处理器供应商来说极具价值。”
因为这种装置关键之处并不只是提供了“本地智慧”。语音介面正普遍应用在广大的市场领域。不只是数位助理市场出现，成为智慧型手机app的消费电子装置版本，还有扬声器，也不是它唯一的外形应用。
例如，他解释说，“家庭自动化中心和数位助理可以内建于电视、机上盒（stb）、hvac/环境控制中枢等等。此外，在车载资讯娱乐方面也存在大量的应用，特别是着眼于其免手持的优点。”
拆解echo与echo dot
透过拆解echo与echo dot并进一步比较后，hackenberg说，“除了记忆体供应商，我发现echo和echo dot的处理元件并没有明显的不同。”
拆解echo与echo dot （来源：ifixit）
根据ifixit所进行的拆解，amazon echo采用：
三星（samsung） k4x2g323pd-8gd8 256mb lpddr1 ram （挥发性记忆体）
sandisk sdin7dp2-4g 4gb inand ultra flash （非挥发性储存）
而到了新版的dot则改用：
美光（micron） mt46h64m32lfbq 256mb （16meg x 32 x 4banks） lpddr sdram （挥发性记忆体）
三星klm4g1fepd 4gb高性能emmc nand flash （非挥发性储存）
两款产品使用的处理器则是相同的。在echo与dot的核心采用的是“德州仪器（texas instruments；ti）的媒体处理器dm3725”，此外，高通（qualcomm） atheros qca6234应用专用标准处理器则用于提供“连接性”。
hackenberg解释说，虽然记忆体可能稍微影响性能，但记忆体定价是波动的。因此，对于echo系列的所有产品而言，在其整个生命周期中改变所使用的元件也很平常。
相形之下，“连线模组，尤其是媒体处理器更加复杂，如果不是重大的产品更新，一般并不会改变，”他说。
hackenberg指出，atheros处理器专用于作为连接应用标准产品。其设计是以tensilica客制化xtensa核心为基础，而且“它只做一件事——协调与网路的通讯，以利作业进行。”
erickson补充说，“连接能力至关重要，因为它涉及哪些资料可被撷取、传送与接收云端资料的速度与可靠度等。由于速度/响应的可用性因素，它直接影响到与扬声器之间的互动有多么“即时”。因此，wi-fi的吞吐量、服务品质（qos）与范围的改善，都将有所帮助。”
所有的“本地”（local）智慧功能是由ti dm3725进行处理。hackenberg指出，“这是一款专为stb、tv、显示器、视讯游戏系统等各种多媒体应用而设计的系统单晶片（soc）。”
dm3725是一款以arm cortex a8为基础打造的元件，并整合ti的c64x+dsp与3d绘图加速引擎。“cortex a8是一款成熟且经济型的应用处理器，但又完全足够用于本地执行简单的任务，”hackenberg表示。
然而，“如果应用变得复杂，而不只是一款扬声器这么单纯，可能就会有所变化。”
amazon echo dot主板 （来源：ifixit）
整合dsp
根据hackenberg，这颗soc的关键就在于整合了dsp，甚至可能是gpu。
“在一个典型的设计中，存在多个输入感测器（主要是麦克风）。整个音讯输入首先经dsp高度滤波，使系统快速地理解用户的语音和环境杂讯之间的差异，”他说。
“它甚至能够解读相对于该装置的位置或甚至发话者是谁；它还建立了一种模式，能够经过处理以匹配该模式（通常发送至云端），”他补充说。
但是，gpu做什么呢？
hackenberg认为，“对于本地智慧，gpu可以用于更简单、但快速且高效的本地模式匹配。”
这可以让装置仍然回应所储存的控制模式，例如“降低音量”、“切换频道”或其他简单的控制，而无需网路连接，他解释说。 “接着，应用核心根据所需提供的回应、启动/关闭所需的输入或控制以及必须显示的内容等条件来执行应用程式。”
麦克风阵列
amazon echo和dot之所以吸引人之处在于它使用了7麦克风阵列。amazon声称，echo和dot由于使用了多支麦克风和波束成型技术，因而“能在整个室内都听到你的声音——即使是正在播放音乐的环境下。”该公司还表示，echo是一款专业级的调音扬声器，能以360°沉浸式音效充满在整个房间中。
根据ihs markit负责mems和感测器的资深分析师marwan boustany表示，echo采用了楼氏电子（knowles）的mems麦克风。
dot采用7支麦克风阵列
boustany指出，为声音频率提升其讯号杂讯比（snr）、匹配和性能，将有助于远场音讯撷取，同时改善语音辨识。
但最终，“演算法才是实现更优质语音辨识的真正关键，”他说，“所谓的『智慧』就在于云端可能持续作为关键应用，而本地处理则可以提高对于简单/预定义片语（如hey siri等）的辨识能力。”
他以cypheras为例表示，“这一类的软体供应商将有利于智慧家庭系统（如alexa）中的语音辨识功能。”
amazon echo dot （来源：ifixit）
竞争日益加剧
以供应商来看，目前有几家提供微控制器（mcu）和连接用assp的供应商可能在此领域展开竞争，包括apple、博通（broadcom）、赛普拉斯 （cypress）、微芯科技（microchip）、恩智浦（nxp）、瑞萨（renesas）、意法半导体（stmicroelectronics） 以及芯科科技（silicon labs）等。boustany表示，”802.11n与bt 4.0的组合并不常见，但有些设计针对较低成本的解决方案或许将会只用蓝牙。
媒体处理器较为棘手。虽然多家行动装置应用处理器供应商都可提供，但对于简单的应用来说成本太高。根据hackenberg的观察，供应商们可能会选择不提供性能相当的dsp或模式匹配功能。
“我可能会考虑采用apple ax、broadcom bcm7xxxx、海思（hisilicon） hi3xxx、nxp i.mx、联发科mt8xxx、意法stihxxx、高通（qualcomm）snapdragon等。当然，ti或许在成本方面具有最佳dsp支援（对于语音辨识至关重要）的优势，但其他的这几家供应商也在不断地缩小差距中。”
xmos相信该公司将在这个市场上获得动能。对于诸如echo这一类的语音助理产品，提高性能的关键在于远场语音撷取能力、波束成型与处理速度等。neil认为，“凭藉着大量的处理能力和嵌入式dsp，我们的xmos单晶片元件提供了可扩展和差异化的解决方案。”
xmos xcore语音介面案例 （来源：xmos）
编译：susan hong
（参考原文：amazon echo & how it resonates，by junko yoshida）
手机中集成的各类传感器
闪测仪能测量哪些产品？
SRRC认证有哪些标准?认证过程需要注意什么事项?
人工智能击败人类的决定性因素是什么？
新型氧化铪材料是如何将存储容量提升100倍的
揭秘Amazon Echo语音控制的神秘面纱
培育开源人才，助力开源生态发展｜2023开放原子全球开源峰会校源行分论坛圆满落幕
苹果发布了2019财年第一财季业绩报告,对外宣称营收达到843.00亿美元
电容的单位有哪些? 分别是?
case后边可以跟多个语句吗
数字化成为新基建的主旋律 新华三：从我做起
RFID技术可以为企业带来什么
全面分析数字沙盘与电子沙盘之间的区别
畅玩6x和红米note4x哪个值得买？一文读懂区别评测
欧洲能源危机持续升级！欧洲各国面临能源危机不断加剧局面
手持or车载式测绘仪器CPU芯片用底部填充胶
浅谈微控制器的音频编码技术
EMC认证极其三个重要规律解读
如何选择合适的芯片或模块进行物联网开发
STM32CubeMX系列的开发配置步骤解析