エッジAIと低消費電力ハードウェアが音声制御の台頭を支える

音声制御が事実上すべてのコンシューマーエッジデバイスに急速に浸透しています。音声認識アルゴリズムと低消費電力AIアクセラレーターのブレークスルーにより、電池制約のある家電でさえインテリジェントな音声インターフェースを提供できるようになりました。

消費者の視点からは、音声対応スマートホームガジェットの主な動機は明確です。

「使いやすさと利便性が採用を促進します」と、PicoVoiceのCEOアリレザ・ケナールサリ・アンハリ氏はEE Timesに語りました。「デスクからオフィスのコーヒーメーカーを操作したり、洗濯をしながら乾燥機に指示したりする想像をしてみてください。」

これらのデバイスの多くはコンセントに繋がれ、常時ホームWi-Fiに接続されていますが、オーディオをローカルで処理することは、プライバシーと信頼性の面で説得力のあるメリットを提供します。

エッジAIはプライバシー—消費者は会話をローカルに保ちたい、企業は厳格なデータ制御を要求することが多い—と信頼性によって動機付けられます。「Wi-Fi障害で洗濯機が止まるのを望みますか？」とケナールサリ・アンハリ氏は問いかけます。

レイテンシはゲームなどの時間に敏感なユースケースで重要で、ミリ秒単位でも体験に影響を与える可能性があります。

クラウド推論はリクエストごとに継続的なコストが発生し、高頻度・低マージンデバイスには持続不可能です。エッジ処理はそれらの料金を排除します。

PicoVoiceは、1ドル以下のマイクロコントローラーで動作するクラウドフリーの音声テキスト変換エンジンを提供します。これにより、ウェアラブル、ヒアラブル、極度の電力とコスト効率を要求する産業、セキュリティ、医療デバイスでも音声制御が可能になります。

同社の新しいShepherdプラットフォームでは、開発者がコードを書かずにマイクロコントローラー上で音声アプリを作成でき、PicoVoice Consoleと統合されています。現在、STとNXPの人気ARM Cortex-M MCUをサポートし、追加デバイスがロードマップにあります。

「音声をインターフェースと考えます—コーディングなしでGUIやウェブサイトを構築できるなら、WordPressを使うように、音声インターフェースを同様の方法で構築することは次の論理的ステップです」とケナールサリ・アンハリ氏。「ShepherdはプロダクトマネージャーとUXデザイナーが迅速にプロトタイピングし反復できるようにし、ターゲットユーザーベースを拡大することを目指しています。誰もが自分専用のアシスタントを作れるようになったらどうでしょう？好きな名前をつけ—Alexaではなく—望む個性を与える。」

スクラッチから自然言語処理モデルを開発することは可能ですが、多大なリソースを要します。「Apple、Amazon、Google、Microsoftがやりました」と同氏は付け加えました。「企業が専門組織を構築する能力と意欲があるかどうかの問題です。」

将来のトレンド

音声が次世代テクノロジーユーザーの好ましいインターフェースになりつつあると、SyntiantのCEOカート・ブッシュ氏が昨夏EE Timesに語りました。

ブッシュ氏は、読めるがまだ書けず綴りも知らない最年少の子供が、スマートフォンで音声入力で友達にテキストメッセージを送る様子を回想しました。「彼らの世代は早期にスマホを手にし、今やデフォルトで話します」と同氏。音声を「未来のタッチスクリーン」と想像し、デバイス内処理がキーボードとマウスで最初に、次に白物家電で高速・応答性の高いインターフェースを提供すると予見します。

Syntiantの専門AIアクセラレーターは、低電力予算のコンシューマーエレクトロニクスで音声ワークロードを処理します。これまでに世界で1000万チップ以上を出荷し、その多くが携帯電話の常時オンキーワード検出を駆動しています。最新のNDP120は「OK Google」などのホットワードを280µW未満で認識し、アシスタントを起動できます。

ブッシュ氏は音声を民主化の力とも見ています。「1日2ドルで暮らす30億人が、インターネットや正式な教育を欠くことが多いです。音声は彼らの自然なインターフェースです」と説明。「音声優先アプリケーションは、コスト効率よく快適に、テクノロジーをアンダーサーブド地域にもたらせます。」

市場の断片化

急速な成長は断片化を招く可能性があると、KnowlesのIoTシニアディレクター、ヴィクラム・シラスタバ氏は語ります。「市場は音声エンジン、ハードウェアプラットフォーム、オペレーティングシステム、音響環境—家庭、ドアベル、車など—で分割されます。」

Knowlesは異なる垂直分野向けにDSPベースの音声制御ソリューションを提供します。共通ニーズを持つ市場—ホームコントロール、TVサウンドバー、リモコンなど—をグループ化することで、最適化された「ターンキー1レベル下」の製品を提供できます。「我々がターゲットとする垂直分野に対応できるよう、特定の断片化ポイントに対処する複数のリリースを展開しています」とシラスタバ氏。

Knowlesの最新AISonic Bluetooth標準ソリューションは、スマートスピーカー、ウェアラブル、車載アシスタントなどBluetooth接続デバイスでの音声認識向け開発キットです。IA8201デュアルコアDSPシリコン上に構築され、キーワードスポッティング、音源分類、ビームフォーミング、音響エコーキャンセレーション、音源方向推定を同時に、すべて50mW以内で実行します。この効率は、ほぼ400のカスタムオーディオとAI命令を持つ命令セットに由来し、より低いクロック周波数と消費電力削減を可能にします。

高度で効率的なAI音声アルゴリズム、開発者フレンドリーなツールチェーン、低消費電力・低コストハードウェアエコシステムの成長の収束が、音声がほとんどのコンシューマーエレクトロニクスでデフォルトUIになる道を示唆しています。

>> この記事はもともと姉妹サイトのEE Timesで公開されました。