Accélérer l'intégration d'Alexa avec les kits de développement et designs de référence

Les ingénieurs en conception peuvent désormais tirer parti de modules matériels clés en main et de services logiciels robustes pour intégrer le service vocal Alexa (AVS) d'Amazon dans un large éventail d'appareils intelligents — des enceintes portables et appareils électroménagers aux systèmes d'infodivertissement automobile et wearables — apportant des expériences Alexa basées sur le cloud sur le terrain.

Depuis qu'Amazon a dévoilé le premier appareil Alexa en 2014, AWS et les principaux fabricants de puces ont publié des designs de référence qui rationalisent l'intégration de la technologie de reconnaissance vocale d'Amazon et de l'interface AVS. Ces solutions pré-construites et pré-testées réduisent considérablement le temps de développement pour les équipes matérielles et logicielles.

Pour les entreprises aux ressources d'ingénierie limitées, les designs de référence offrent un chemin accessible pour déployer la compréhension du langage naturel et les interfaces vocales. Ils éliminent la complexité du traitement audio de haute qualité et accélèrent la mise sur le marché.

Figure 1. Les designs de référence pour applications vocales basées sur AVS sont conçus pour intégrer de manière transparente la technologie de reconnaissance vocale d'Amazon dans les appareils à commande vocale. Source : STMicroelectronics

Détection du mot de réveil

Un moteur de détection de mot de réveil (WWE) fiable qui écoute « Alexa » est la base de tout produit à commande vocale. La vérification du mot de réveil basée sur le cloud confirme le contexte, assurant que le système ne répond que lorsque l'utilisateur a réellement l'intention d'engager Alexa. Les composants matériels dans les designs de référence améliorent cette détection en capturant l'audio même dans des environnements bruyants réels et à des distances modérées.

Prenez le kit de développement de capture vocale Cirrus Logic pour Amazon AVS comme exemple. Il offre un réglage acoustique éprouvé, permettant une détection précise de « Alexa » tant dans les pièces calmes que dans les environnements animés, même lorsque l'utilisateur se trouve à plusieurs mètres. Les algorithmes de suppression de bruit et d'annulation d'écho améliorent la fiabilité et l'expérience utilisateur.

Figure 2. Le design de référence AVS champ lointain cible les enceintes intelligentes et autres appareils domotiques à commande vocale. Source : Cirrus Logic

Le kit comprend une carte de capture vocale avec un réseau à deux microphones, un Raspberry Pi 3 (RPi3), un haut-parleur et une carte microSD préchargée avec le firmware pour une productivité immédiate. Une console de contrôle fournit une interface conviviale pour le réglage acoustique et le diagnostic.

Les composants matériels clés incluent le codec intelligent CS47L24 de Cirrus Logic, les microphones MEMS numériques CS7250B, et les algorithmes SoundClear pour le contrôle vocal, la suppression de bruit et l'annulation d'écho. Le codec intelligent intègre des DAC hi-fi, un amplificateur casque stéréo et un amplificateur haut-parleur mono, minimisant l'encombrement du circuit et les coûts de nomenclature.

Les microphones MEMS offrent un plancher de bruit ultra-faible et une plage dynamique de 103 dB, assurant une capture vocale précise sous des conditions de bruit difficiles. Les algorithmes SoundClear bloquent activement les bruits parasites, permettant une détection fiable du mot de réveil et une capture audio même pendant la lecture de musique forte.

Front-end audio (AFE)

L'AFE est un composant critique de tout design basé sur AVS. Il capture la voix de l'utilisateur, l'amplifie, réduit le bruit de fond et transmet le signal au cloud. Construire un AFE robuste à partir de zéro peut être intimidant, c'est pourquoi les kits de développement sont inestimables.

Le front-end audio TalkTo de DSP Concepts, intégré au traitement vocal qualifié AVS, illustre cette approche. Il est livré dans le cadre du design de référence AWS IoT Core de STMicroelectronics basé sur les MCU STM32. Les fonctionnalités incluent une réduction de bruit avancée, une annulation d'écho et une formation de faisceau pour la détection audio champ lointain, le tout affiné via l'outil gratuit Audio Weaver.

Figure 3. Une solution monocircuit comprenant le traitement du front-end audio, la détection locale du mot de réveil, les interfaces de communication et la mémoire réduit les coûts BOM et simplifie la mise en page. Source : STMicroelectronics

La carte ST mesure 36x65 mm et intègre un module Wi-Fi aux côtés d'un MCU STM32H743. Ce MCU intègre le traitement du front-end audio, la détection locale du mot de réveil, les interfaces de communication et la mémoire — le tout sur une seule puce. Le design de référence inclut également une carte fille audio séparée pour le prototypage rapide.

La carte fille abrite le codec audio FDA903D, des LED utilisateur, des boutons, et deux microphones MEMS MP23DB01HP espacés de 36 mm, idéaux pour les designs à encombrement contraint. Un mode confidentialité peut désactiver les microphones, avec une LED rouge indiquant qu'Alexa ne peut pas entendre les commandes.

Reconnaissance vocale champ lointain

D'autres fabricants de puces contribuent avec leurs propres plateformes de référence. Le design à réseau de 7 microphones de NXP, couplé à des algorithmes avancés de formation de faisceau et de traitement audio, prétend reconnaître les requêtes utilisateur depuis l'autre bout de la pièce — même quand de la musique forte joue. En intégrant la technologie de reconnaissance vocale champ lointain d'Amazon avec les processeurs d'application i.MX de NXP, la plateforme simplifie la création d'appareils sophistiqués à commande vocale.

Ces designs à commande vocale redéfinissent la façon dont les utilisateurs interagissent avec les appareils du quotidien — des grille-pains et cuiseurs aux thermostats et stores. Les cartes de référence et kits de capture offrent la voie la plus rapide vers le marché, fournissant un déclenchement de mot de réveil et une interprétation de commande hautement précis dans des environnements bruyants.

Nous sommes à l'aube de la révolution des appareils à commande vocale. La diversité des applications signifie que les cartes de référence et kits pré-conçus et pré-testés joueront un rôle clé dans l'accélération du développement produit et la réduction de la complexité de conception.

>> Cet article a été publié à l'origine sur notre site sœur, EDN.