Contrôle vocal à deux microphones : XMOS dévoile le XVF3510 pour réduire l'empreinte appareil

XMOS, une entreprise fabless de semiconducteurs leader, a fait un pas décisif vers l'intégration du contrôle vocal dans les appareils du quotidien. Leur nouveau processeur vocal XVF3510 démontre comment seulement deux microphones peuvent offrir une reconnaissance vocale robuste, temps réel, réduisant dramatiquement coût et taille.

Pour contexte, XMOS se spécialise dans les solutions vocales, produits audio, et microcontrôleurs multicœurs exécutant des tâches temps réel, effectuant du traitement de signal numérique (DSP) intensif, et maintenant un comportement déterministe. Leur architecture xCORE connecte plusieurs tuiles de processeur RISC via un commutateur haute vitesse, permettant à chaque tuile d'exécuter jusqu'à huit tâches concurrentes. Les tâches communiquent par canaux — locaux ou distants — et, quand nécessaire, par mémoire partagée.

Le design xCORE intègre les fonctionnalités core d'un OS temps réel — ordonnancement tâches, timers, I/O, communication canaux — directement dans le matériel. En éliminant les incertitudes de timing comme les interruptions, caches, et bus partagés, les dispositifs xCORE peuvent répondre à des événements externes en nanosecondes, permettant des applications hard real-time sans matériel dédié.

En 2017, XMOS a acquis Setem Technologies, pionniers de la séparation de sources aveugle avancée. Les algorithmes brevetés de Setem permettent aux appareils grand public d'isoler une voix unique dans le bruit de fond, améliorant la précision de reconnaissance vocale.

Les assistants vocaux typiques, comme l'Echo et Echo Dot d'Amazon, s'appuient sur des réseaux de sept microphones pour filtrer le bruit, annuler l'écho, et localiser le locuteur. Bien qu'efficace, cette approche soulève des préoccupations de coût et d'espace. Le XVF3510 de XMOS adresse ces défis en offrant une performance comparable avec seulement deux microphones.

XVF3510 monté sur PCB (Source : XMOS)

Le firmware du XVF3510 incorpore une annulation d'interférence avancée pour neutraliser les sons de fond indésirables, une annulation d'écho acoustique stéréo pour éliminer l'écho du haut-parleur et permettre le barge-in, et une estimation de délai adaptative pour ajuster dynamiquement la latence du signal de référence. Ensemble, ces fonctionnalités délivrent une expérience audio fluide, temps réel.