L'Edge IA et le matériel basse consommation propulsent l'essor du contrôle vocal

Le contrôle vocal pénètre rapidement praticamente tous les dispositifs edge grand public. Grâce aux percées dans les algorithmes de reconnaissance vocale et accélérateurs IA basse consommation, même appareils à batterie contrainte peuvent désormais offrir interfaces vocales intelligentes.

Du point de vue consommateur, les motivations primaires pour gadgets domotiques voice-enabled sont simples.

« Facilité d'usage et commodité驱动 l'adoption », a dit Alireza Kenarsari-Anhari, CEO de PicoVoice, à EE Times. « Imaginez commander votre machine à café de bureau depuis votre bureau ou dire à un sèche-linge quoi faire pendant que vous gérez la lessive. »

Bien que beaucoup de ces dispositifs restent branchés et toujours connectés au Wi-Fi domestique, traiter l'audio localement offre avantages convaincants pour vie privée et fiabilité.

L'Edge IA est motivée par la vie privée — consommateurs veulent garder conversations locales, entreprises exigent souvent contrôles stricts données — et par la fiabilité. « Voudriez-vous que votre machine à laver s'arrête à cause d'une panne Wi-Fi ? » a demandé Kenarsari-Anhari.

La latence importe pour cas d'usage temps-sensibles, comme gaming, où même millisecondes impactent l'expérience.

L'inférence cloud engendre coûts récurrents par requête, insoutenable pour dispositifs haute fréquence, faible marge. Le traitement edge élimine ces frais.

PicoVoice offre un moteur speech-to-text sans cloud qui tourne sur microcontrôleurs sous 1 $. Cela ouvre le contrôle vocal pour wearables, hearables, et même dispositifs industriels, sécurité et médicaux exigeant efficacité puissance et coût extrêmes.

Sa nouvelle plateforme Shepherd permet aux développeurs de créer apps vocales sur microcontrôleurs sans écrire de code, intégrant PicoVoice Console. Actuellement elle supporte MCUs ARM Cortex-M populaires de ST et NXP, avec dispositifs additionnels sur la roadmap.

« Je vois la voix comme une interface — si vous pouvez construire votre GUI ou site sans coder, peut-être avec WordPress, construire interfaces vocales de façon similaire est la prochaine étape logique », a dit Kenarsari-Anhari. « Shepherd donne pouvoir aux product managers et UX designers de prototyper et itérer vite, et nous visons à élargir sa base utilisateurs. Et si chacun pouvait construire son propre assistant ? Le nommer comme ils veulent — pas Alexa — et lui donner la personnalité qu'ils désirent. »

Bien qu'il soit possible de développer modèles NLP from scratch, cela requiert ressources significatives. « Apple, Amazon, Google et Microsoft l'ont fait », a-t-il ajouté. « C'est une question de capacité et volonté de l'entreprise à construire une organisation dédiée autour. »

Tendances futures

La voix devient l'interface préférée pour la prochaine génération d'utilisateurs tech, Kurt Busch, CEO de Syntiant, a dit à EE Times l'été dernier.

Busch a rappelé son plus jeune enfant — qui pouvait lire mais pas encore écrire ou épeler — utilisant la voix pour texter des amis sur smartphone. « Leur génération a eu téléphones tôt ; ils defaultent maintenant à parler », a-t-il dit. Il envisage la voix comme « l'écran tactile du futur », avec traitement in-device délivrant interfaces rapides, réactives d'abord sur claviers et souris, puis sur gros électroménagers.

Les accélérateurs IA spécialisés de Syntiant gèrent charges vocales en électronique grand public avec budgets puissance bas. À ce jour, l'entreprise a expédié plus de 10 millions de puces worldwide, la plupart alimentant la détection mot-clé always-on des téléphones mobiles. Le dernier NDP120 peut reconnaître mots-clés comme « OK Google » et activer l'assistant en moins de 280 µW.

Busch voit aussi la voix comme force démocratisante. « Trois milliards de gens vivent avec 2 $ par jour et manquent souvent internet ou éducation formelle. La parole est l'interface naturelle pour eux », a-t-il expliqué. « Applications voice-first peuvent amener technologie aux régions mal desservies, tant rentablement que confortablement. »

Fragmentation du marché

Croissance rapide peut mener à fragmentation, a dit Vikram Shirastava, directeur senior IoT chez Knowles. « Le marché se divise par moteur vocal, plateforme hardware, OS, environnement acoustique — domicile, sonnette, auto, etc. »

Knowles offre solutions contrôle vocal basées DSP adaptées à différents verticaux. En groupant marchés aux besoins partagés — contrôles domicile, barres de son TV, télécommandes — il peut délivrer produits optimisés, « un-niveau-en-dessous-turnkey ». « Nous lançons multiples releases adressant points de fragmentation spécifiques, nous permettant de servir les verticaux ciblés », a dit Shirastava.

La dernière solution standard Bluetooth AISonic de Knowles est un kit de développement pour reconnaissance vocale dans dispositifs Bluetooth-connectés comme enceintes intelligentes, wearables, assistants embarqués. Construite sur silicium dual-core DSP IA8201, elle fait keyword spotting, classification source, beamforming, annulation écho acoustique, estimation direction source simultanément, le tout dans 50 mW. Cette efficacité vient d'un jeu d'instructions avec près de 400 instructions custom audio et IA, permettant fréquences d'horloge plus basses et consommation réduite.

Le support smartphone véhicule iOttie Aivo Connect de Sugr utilise IA8201 de Knowles pour capacités vocales in-car. Il a capacité assistant vocal Alexa built-in. (Source : Knowles)

La voix deviendra-t-elle l'interface utilisateur par défaut à travers la plupart de l'électronique grand public ? La convergence d'algorithmes IA vocaux avancés et efficaces, toolchains developer-friendly, et écosystème croissant de hardware basse consommation, bas coût suggère qu'elle s'y dirige.

>> Cet article a été publié à l'origine sur notre site frère, EE Times.