作者：Sleibso，編譯：蒙面?zhèn)b客

高性能的語音控制系統(tǒng)在智能家具和機(jī)器人的發(fā)展過程中顯得越來越重要。語音控制系統(tǒng)的信號采集端使用麥克風(fēng)陣列會得到更豐富的聲音信號，為聲音定位提供了可能，處理語音的硬件的性能和相應(yīng)的軟件算法直接決定了語音控制系統(tǒng)的處理效率和精確度。亞馬遜和谷歌等大型互聯(lián)網(wǎng)公司都在努力的研究高性能的語音控制系統(tǒng)，作為極客的你是不是也想入手一個(gè)硬件平臺，開始自己的智能硬件的開發(fā)之旅呢？好的平臺是成功的一半！

亞馬遜的Alexa和Google Home的出現(xiàn)助推了語音控制系統(tǒng)的發(fā)展。今天小編帶領(lǐng)各位領(lǐng)略一個(gè)適合自己DIY的語音控制系統(tǒng)開發(fā)平臺。圖.1為Aaware的價(jià)值199美元的遠(yuǎn)場開發(fā)平臺，它是一款基于云的語音控制系統(tǒng)。遠(yuǎn)場語音識別受限于背景噪聲、其他人聲的干擾、回聲、混響等多重復(fù)雜的因素，會導(dǎo)致其識別率的降低，而Aaware平臺能夠?qū)崿F(xiàn)遠(yuǎn)場聲音在有噪聲的情況下的高精度的語音識別。小編曾經(jīng)也做過一些其他的語音控制系統(tǒng)，但是效果都不是特別的理想?？戳薃aware的演示視頻之后，發(fā)現(xiàn)這款平臺在預(yù)處理聲音，消除噪聲，遠(yuǎn)場的聲音的捕捉方面有著超強(qiáng)的能力。在驚嘆之余，我們一起來探索一下Aaware遠(yuǎn)場開發(fā)平臺背后所隱藏的技術(shù)秘密。這種遠(yuǎn)程遠(yuǎn)場聲音捕獲技術(shù)展現(xiàn)出的能力如下：

1. 無需參考信號就可消除干擾噪聲。（解決方案專注于AEC聲學(xué)回聲消除）；

2. 支持不一致的1D和2D麥克風(fēng)陣列間距，實(shí)現(xiàn)聲源判斷和定位；

3. 更多的麥克風(fēng)使其在嘈雜的環(huán)境中獲得更好的效果；

4. 對聲音的捕獲，提供單芯片的解決方案，同時(shí)支持多詞喚醒以及用戶自定義應(yīng)用；

5. 登錄有ubunut的Linux環(huán)境，使用Aaware的流音頻API工具進(jìn)行應(yīng)用的開發(fā)。

圖.1 Aaware的遠(yuǎn)場開發(fā)平臺

這么多的硬件優(yōu)勢是基于Xilinx的Zynq SoC或Zynq UltraScale + MPSoC來實(shí)現(xiàn)。Aaware的CTO稱贊道，Zynq器件是強(qiáng)于一個(gè)嵌入式處理器10倍的性能的器件，這多虧了芯片里面的可編程邏輯，通過可編程邏輯門陣列分擔(dān)了片上ARM核心所需要處理的數(shù)據(jù)，通過圖.2得知，他們之間的數(shù)據(jù)是通過AMBA總線進(jìn)行交互的。Aaware能夠根據(jù)用戶對性能的需求，將其算法放到單核心的Zynq Z-7007S SoC中或者升級算法到雙核心的Zynq SoC中，如果想要追求更好的性能可以使用Zynq UltraScale+MPSoC器件來搭建遠(yuǎn)場語音控制系統(tǒng)。

圖.2 ZYNQ-7000S系列框圖

有了硬件平臺，我們需要進(jìn)一步的了解一下相應(yīng)的軟件開發(fā)工具鏈，Aaware的算法開發(fā)是基于一個(gè)特有的工具鏈：

• 在MATLAB中進(jìn)行算法的開發(fā);

• 使用C++對算法進(jìn)行實(shí)現(xiàn);

• 使用Vivado HLS從C++規(guī)范進(jìn)行硬件加速器綜合;

• 使用Xilinx SDSOC 將硬件加速器連接到AXI總線和存儲器中。

有了工具鏈就可以使得Aware能夠?qū)⑵湎胍墓δ芗傻阶钚〉腪ynq Z-7007S SoC中， 如果有更高性能的需求還可以將算法應(yīng)用到最大的Zynq UltraScale + MPSoC平臺之上。

智能語音控制系統(tǒng)需要在硬件平臺和軟件算法兩方面共同入手。將Aaware 的基于Zynq的遠(yuǎn)場聲音捕捉平臺作為一個(gè)特例，反應(yīng)了當(dāng)下語音控制系統(tǒng)的一種實(shí)現(xiàn)方法，硬件平臺使用Xilinx的可編程SOC是一個(gè)很好的選擇，因?yàn)樗С诌\(yùn)行嵌入式實(shí)時(shí)操作系統(tǒng)的同時(shí)能夠快速的處理數(shù)據(jù)，有著很好的性能功耗比；至于軟件的開發(fā)，可謂是五花八門，結(jié)合當(dāng)下自然語言處理和深度學(xué)習(xí)的快速發(fā)展，想必會有更好的算法能夠?qū)崿F(xiàn)更快更精準(zhǔn)的語音控制系統(tǒng)。