Projetando Sistemas de Comando de Voz Sempre Ativos e Energeticamente Eficientes

Assistentes de voz agora estão embutidos em quase todo produto, eletrodoméstico e tecnologia. Embora ofereçam conveniência, sua escuta constante por palavras de ativação — como "okay Google" ou "Alexa" — drena energia. Em um mundo onde dispositivos proliferam, reduzir esta pegada energética é essencial.

Este artigo descreve considerações-chave de design para sistemas de comando de voz sempre ativos de baixo consumo que usam detecção de atividade de voz (VAD). Examina trade-offs e escolhas de componentes que permitem uma interface de usuário por voz (VUI) amigável e energeticamente eficiente.

VAD primeiro verifica fala humana antes que o sistema escute por uma palavra de ativação. Isso significa que o assistente consome energia apenas quando necessário. Com 4,2 bilhões de assistentes de voz digitais no mundo e uma projeção de duplicação até 2024, incorporar VAD pode cortar dramaticamente o uso de energia para usuários e fabricantes.

Hardware típico de VUI compreende microfones — únicos ou arrays — conectados a um processador de áudio que captura e processa voz. O stream de áudio pode ser manipulado por um processador de áudio de borda, um microfone inteligente com processador embutido, ou um processador de aplicação padrão (AP). Processadores de borda são otimizados para baixo consumo e baixa latência. Eles também podem pós-processar áudio de saída e, quando conectados à nuvem, comunicar com o SoC principal para transmissão sem fio.

VAD Ultra-Baixo Consumo

Figura 1 mostra uma arquitetura que atinge ultra-baixo consumo usando um caminho de sinal analógico: um microfone analógico, um comparador e uma interrupção que acorda um processador de áudio apenas quando atividade acústica é detectada. Um botão push-to-talk também pode ser adicionado para wake-up manual.

Como o microfone analógico e comparador devem sempre ouvir, eles devem consumir energia mínima. O processador de áudio Knowles IA8201, por exemplo, consome menos de 1 mW no modo wake-up e oferece 1 MB de memória para processamento avançado. Esta abordagem simples de AAD (detecção de atividade acústica) funciona bem para dispositivos de baixo consumo como controles remotos e wearables mas pode levar a consumo geral maior em ambientes ruidosos, pois acorda com qualquer som. Além disso, sistemas VUI conectados à nuvem requerem áudio de pre-roll — tipicamente 500 ms antes da palavra de ativação — para melhorar precisão de detecção, um recurso necessário para Alexa e smart speakers similares.

Figura 2 ilustra uma arquitetura que suporta buffer de pre-roll para smart speakers. Estes dispositivos, frequentemente alimentados por baterias maiores, gravam um buffer circular de 500 ms que é usado para calibrar níveis de ruído ambiente enquanto sempre ouvem.

Escolher a arquitetura de front-end depende de contagem de microfones, sinais analógicos vs. digitais, e processamento requerido.

Para a arquitetura na Figura 1, um único microfone analógico e comparador disparam o processador. Um microfone analógico de baixo consumo com SNR > 62 dB — como o Knowles SPV1840LR5H-B Kaskade — consome apenas 45 µA quando ativo. O caminho analógico sempre ligado inteiro consome < 67 µA. Microfones piezoelétricos podem oferecer energia ainda menor (≈ 10 µA) mas tipicamente sofrem de SNR baixo, afetando desempenho do sistema.

Para sistemas capazes de pre-roll como Figura 2, um microfone com processador embutido e buffer circular de 2 s — ex: Knowles IA611 — é adequado. O always-on power do IA611 é 0,39 mA @ 1,8 V (90% eficiência), tornando-o ideal para dispositivos operados por bateria como speakers Bluetooth. Ele aceita entrada PDM de microfones digitais e pode encaminhar áudio para um processador host para beamforming uma vez que o sistema acorda.

Figura 3 compara vida de bateria para um controle remoto de TV típico usando VAD no IA611 versus microfone AAD piezoelétrico de um concorrente. Quando atividade acústica dura 5 h, a solução VAD fornece oito dias extras de vida de bateria — crítico já que lares dos EUA assistem em média oito horas de TV diariamente. Wake-ups inteligentes de VAD ajudam designers a construir sistemas VUI mais energeticamente eficientes.

Conclusão

Tecnologia de voz está remodelando indústrias — de casas inteligentes e hospitalidade a locais de trabalho digitais, pagamentos por voz, gestão de energia, edge computing, saúde e IoT industrial. Cada aplicação demanda uma arquitetura de hardware específica e seleção de microfone. Designers devem avaliar o caso de uso de voz do dispositivo, capacidades desejadas e restrições de energia para escolher a solução VUI ótima.

Raj Senguttuvan tem mais de 15 anos de experiência em desenvolvimento de nova tecnologia para aplicações de consumo e industrial, desenvolvimento de negócios em estágio inicial e gestão de projetos para empresas incluindo Analog Devices e Texas Instruments. Como diretor de marketing estratégico da Knowles, ele lidera desenvolvimento de nível de sistema, impulsiona investimentos de venture e molda estratégia de marketing para IoT e tecnologias de consumo — incluindo processadores de áudio, algoritmos, microfones, sensores e receptores. Raj possui MBA da Cornell University e PhD em engenharia elétrica do Georgia Institute of Technology.

Conteúdos Relacionados:

• Adicione voz em um microcontrolador sem ter que codificar
• O que está por trás da mudança para agentes de voz personalizados?
• Solução biométrica de voz visa autenticação
• AI encontra sua voz na cadeia de áudio
• Como extensas cadeias de processamento de sinal fazem assistentes de voz 'simplesmente funcionar'
• Dev kits aceleram integração Alexa