Edge IA e Hardware de Baixo Consumo Impulsionam Ascensão do Controle por Voz

Controle por voz está permeando rapidamente virtualmente todos dispositivos de borda de consumo. Graças a avanços em algoritmos de reconhecimento de voz e aceleradores de IA de baixo consumo, até aparelhos com restrição de bateria podem agora oferecer interfaces de voz inteligentes.

Da perspectiva do consumidor, motivações primárias para gadgets de casa inteligente habilitados para voz são diretas.

"Facilidade de uso e conveniência impulsionam adoção," Alireza Kenarsari-Anhari, CEO da PicoVoice, disse à EE Times. "Imagine comandar sua cafeteira de escritório da mesa ou dizer a uma secadora o que fazer enquanto você malha roupa."

Embora muitos desses dispositivos permaneçam plugados e sempre conectados ao Wi-Fi doméstico, processar áudio localmente oferece benefícios convincentes de privacidade e confiabilidade.

Edge IA é motivada por privacidade — consumidores querem manter conversas locais, e empresas frequentemente requerem controles estritos de dados — e por confiabilidade. "Você gostaria que sua máquina de lavar parasse por causa de uma queda de Wi-Fi?" Kenarsari-Anhari perguntou.

Latência importa para casos de uso sensíveis a tempo, como jogos, onde até milissegundos podem impactar a experiência.

Inferência na nuvem incorre em custos recorrentes por requisição, insustentável para dispositivos de alta frequência e baixa margem. Processamento na borda elimina essas cobranças.

PicoVoice oferece engine de speech-to-text livre de nuvem que roda em microcontroladores abaixo de $1. Isso abre controle por voz para wearables, hearables e até dispositivos industriais, de segurança e médicos que demandam extrema eficiência de energia e custo.

Sua nova plataforma Shepherd permite desenvolvedores criar apps de voz em microcontroladores sem escrever código, integrando com PicoVoice Console. Atualmente suporta MCUs ARM Cortex-M populares da ST e NXP, com dispositivos adicionais no roadmap.

"Penso em voz como uma interface — se você pode construir seu GUI ou site sem codificar, talvez usando WordPress, construir interfaces de voz de forma similar é o próximo passo lógico," Kenarsari-Anhari disse. "Shepherd capacita gerentes de produto e designers UX a prototipar e iterar rápido, e visamos ampliar sua base de usuários alvo. E se todos pudessem construir seu próprio assistente? Nomeá-lo como quiserem — sem Alexa — e dar a personalidade que desejarem."

Embora seja possível desenvolver modelos de processamento de linguagem natural do zero, requer recursos significativos. "Apple, Amazon, Google e Microsoft fizeram," ele adicionou. "É questão de se uma empresa tem capacidade e vontade de construir organização dedicada em torno disso."

Voz está se tornando interface preferida para próxima geração de usuários de tecnologia, Kurt Busch, CEO da Syntiant, disse à EE Times no verão passado.

Busch lembrou seu filho mais novo — que sabia ler mas ainda não escrever ou soletrar — usando voz para mandar mensagens de texto para amigos no smartphone. "Geração deles pegou celulares cedo; agora default para falar," ele disse. Ele vislumbra voz como "a touch screen do futuro," com processamento in-device entregando interfaces rápidas e responsivas primeiro em teclados e mouses, depois em eletrodomésticos brancos.

Os aceleradores de IA especializados da Syntiant lidam com workloads de voz em eletrônicos de consumo com orçamentos de energia baixos. Até hoje, a empresa enviou mais de 10 milhões de chips mundialmente, a maioria alimentando detecção de hotword always-on em celulares. O mais recente NDP120 reconhece hot words como "OK Google" e ativa o assistente em menos de 280 µW.

Busch também vê voz como força democratizante. "Três bilhões de pessoas vivem com $2 por dia e frequentemente carecem de internet ou educação formal. Fala é a interface natural para eles," ele explicou. "Aplicações voice-first podem trazer tecnologia a regiões subatendidas, tanto custo-efetivamente quanto confortavelmente."

Crescimento rápido pode levar a fragmentação, disse Vikram Shirastava, diretor sênior de IoT na Knowles. "O mercado se divide por engine de fala, plataforma de hardware, sistema operacional e ambiente acústico — casa, campainha, carro, etc."

Knowles oferece soluções de controle por voz baseadas em DSP adaptadas a diferentes verticais. Agrupando mercados com necessidades compartilhadas — como controles de casa, soundbars de TV e controles remotos — pode entregar produtos otimizados, "um nível abaixo de turnkey". "Lançamos múltiplas releases que abordam pontos específicos de fragmentação, nos permitindo servir os verticais que almejamos," Shirastava disse.

O mais recente AISonic Bluetooth Standard Solution da Knowles é um kit de desenvolvimento para reconhecimento de voz em dispositivos conectados via Bluetooth como smart speakers, wearables e assistentes in-vehicle. Construído no silício DSP dual-core IA8201, roda keyword spotting, classificação de fonte, beamforming, cancelamento de eco acústico e estimativa de direção de fonte simultaneamente, tudo dentro de 50 mW. Essa eficiência vem de um set de instruções com quase 400 instruções customizadas de áudio e IA, permitindo frequências de clock mais baixas e consumo reduzido.

Sugr's iOttie Aivo Connect vehicle smartphone holder usa IA8201 da Knowles para capacidades de voz in-car. Tem capacidade de assistente de voz Alexa built-in. (Fonte: Knowles)

Voz se tornará a interface de usuário padrão na maioria dos eletrônicos de consumo? A convergência de algoritmos avançados e eficientes de voz IA, toolchains amigáveis a desenvolvedores e ecossistema crescente de hardware de baixo consumo e baixo custo sugere que está caminhando para lá.

>> Este artigo foi publicado originalmente em nosso site parceiro, EE Times.