Moins d'oreilles intégrées, plus d'appareils à commande vocale

Ces gens intelligents de XMOS viennent de nous rapprocher de l'intégration des « oreilles » pour la commande vocale dans à peu près tous les appareils avec lesquels nous interagissons.

Pour rappel, XMOS est une entreprise de semi-conducteurs sans usine qui développe des solutions vocales, des produits audio et des microcontrôleurs multicœurs capables d'exécuter simultanément des tâches en temps réel, un traitement de signal numérique extrême (DSP) et un flux de contrôle. Les microcontrôleurs XMOS se distinguent par leur comportement déterministe (prévisible).

Commençons par la technologie de microcontrôleur multicœur xCORE sous-jacente, qui comprend plusieurs « tuiles de processeur » connectées par un commutateur à grande vitesse. Chaque tuile de processeur est un processeur RISC conventionnel qui peut exécuter jusqu'à huit tâches simultanément. Les tâches peuvent communiquer entre elles via des canaux (qui peuvent se connecter à des tâches sur la tuile locale ou à des tâches sur des tuiles distantes) ou en utilisant la mémoire (pour les tâches exécutées dans la même tuile uniquement).

L'architecture xCORE fournit, dans le matériel, de nombreux éléments qui sont généralement vus dans un système d'exploitation en temps réel (RTOS). Cela inclut le planificateur de tâches, les temporisateurs, les opérations d'E/S et la communication de canal. En éliminant les sources d'incertitude temporelle (interruptions, caches, bus et autres ressources partagées), les périphériques xCORE peuvent fournir des performances déterministes et prévisibles pour de nombreuses applications. Une tâche peut généralement répondre en quelques nanosecondes à des événements tels que des E/S externes ou des temporisateurs. Cela permet de programmer des périphériques xCORE pour effectuer des tâches difficiles en temps réel qui nécessiteraient autrement du matériel dédié.

En 2017, XMOS a acquis Setem Technologies. Comme je l'ai écrit dans ma chronique « XMOS + Setem pourrait changer la donne pour la parole intégrée » : « Les chaps et les chapesses de Setem sont les pionniers de la technologie avancée de séparation de signaux de source aveugle. Leurs algorithmes brevetés permettent aux appareils grand public de se concentrer sur une voix ou une conversation spécifique dans un environnement audio surpeuplé pour obtenir une entrée optimisée dans les systèmes de reconnaissance vocale. »

J'ai deux appareils Amazon Echo/Dot à la maison et un dans mon bureau (j'ai demandé à ma femme, Gina the Gorgeous, pourquoi elle chuchotait. « J'ai entendu dire que les gens d'Amazon pourraient nous écouter », a-t-elle dit. J'ai ri , Gina a ri, Alexa a ri…). Je pense que ces appareils sont géniaux, mais ils nécessitent un ensemble de sept microphones, ce qui augmente à la fois le coût et l'empreinte physique de la solution globale.

Le fait d'avoir plusieurs microphones permet au système de mieux détecter et supprimer le bruit, d'effectuer des opérations telles que l'annulation d'écho et de déterminer l'emplacement des sources sonores telles qu'une personne qui parle. Bien sûr, quand on y pense, on arrive à faire tout ça avec seulement deux oreilles (je ne sais pas pour vous, mais je ne pense pas avoir assez de place sur ma tête pour accueillir sept oreilles sans au moins l'un d'eux gêne).

Sans surprise, les gens de XMOS ont également remarqué cela, c'est pourquoi ils viennent de présenter leur nouveau processeur vocal de nouvelle génération XVF3510 qui peut extraire une voix individuelle d'un paysage audio encombré en utilisant seulement deux microphones.

XVF3510 monté sur PCB (Source :XMOS)

Les algorithmes exécutés sur le XVF3510 incluent l'annulation des interférences (qui annule les sources de bruit ponctuelles pour annuler le bruit de fond indésirable), l'annulation de l'écho acoustique stéréo (qui supprime l'écho indésirable du haut-parleur et permet l'intervention) et l'estimation du délai adaptatif (qui ajuste dynamiquement la référence audio latence du signal, garantissant ainsi que les algorithmes d'annulation d'écho offrent une expérience fluide en temps réel).