基于Realtek的智能語音服務(wù)解決方案

隨著智能技術(shù)的不斷進(jìn)步，會議終端設(shè)備正朝著更加智能化的方向發(fā)展。這一趨勢在家庭和辦公場所尤為明顯，人們追求更智能的會議終端，以提升會議的效率和用戶體驗(yàn)。智能語音功能已經(jīng)廣泛應(yīng)用于會議音頻設(shè)備中，其中最為著名的應(yīng)用之一是語音助手。自從蘋果推出SIRI以來，智能語音互動應(yīng)用得到了迅猛發(fā)展。

為滿足這一趨勢，瑞昱半導(dǎo)體（Realtek）推出了智能語音服務(wù)解決方案，基于語音輸入實(shí)現(xiàn)了新一代的互動模式，用戶只需通過說話就可以獲得所需的結(jié)果。該解決方案采用了ALC5679/80系列芯片，并配備了揚(yáng)興科技YSO110TR 24.576MHz的有源晶振和YST310S 32.768KHz的表晶，該方案為市場上性價比最高的智能語音服務(wù)解決方案之一。

【方案優(yōu)勢】
1．體積小、功耗低、高效能、整合Wi-Fi功能的微型處理器Ameba系列產(chǎn)品。
2．結(jié)合第三代音效處理編譯碼芯片ALC5679/80系列。
3．內(nèi)建四種音效處理DSP（回音消除、盲訊號分離、遠(yuǎn)距離拾音、噪聲抑制），有助提升音質(zhì)。
4．有配套的語音算法，也有配和第三方語音喚醒算法（wake-on-voice），提供絕佳的聲音處理效能。
 

【產(chǎn)品實(shí)體圖】-會議音頻終端

【方案框圖及解析】

1.聲卡方案組合

聲卡芯片方案是按照需求來選擇的，瑞昱聲卡芯片高度整合多麥克風(fēng)語音處理方案輕易升級各種產(chǎn)品與應(yīng)用實(shí)現(xiàn)語音控制、語音互動或語音喚醒功能。

ALC5680：免持(0m~ 3m)應(yīng)用之雙麥克風(fēng)處理解決方案
ALC5521：遠(yuǎn)距(5m~ 7m)應(yīng)用之多麥克風(fēng)處理解決方案

完美覆蓋會議音頻終端的應(yīng)用場景

2.采集陣列

這里的采集陣列實(shí)際上為麥克風(fēng)陣列，是由一定數(shù)目的麥克風(fēng)組成，對聲場的空間特性進(jìn)行采樣并濾波的系統(tǒng)。

目前常用的麥克風(fēng)陣列可以按布局形狀分為：線性陣列，平面陣列，以及立體陣列。

AD轉(zhuǎn)換流程

3. ADC模塊及MCU模塊

ADC和MCU模塊是組合在一起的一顆單片機(jī)芯片，主要是把經(jīng)過放大的模擬信號轉(zhuǎn)化成數(shù)字信號，主要經(jīng)過四個步驟：采樣、保持、量化、編碼，經(jīng)過處理后的信號，才能轉(zhuǎn)化為符合音頻解碼規(guī)則的數(shù)字電信號。使用揚(yáng)興科技晶振YST310S 32.768KHz，215=32768次分頻后就是1HZ,周期為1S，這樣就可以為分頻計(jì)數(shù)器提供精確的與低功耗的實(shí)基信號，如圖實(shí)際頻率偏移為17ppm，頻差偏移根據(jù)芯片要求，一般在±50PPM以內(nèi)。

4. 聲卡芯片

數(shù)字信號是按特定的編碼規(guī)則組成的信號，需要專門的解碼芯片去處理,最后轉(zhuǎn)化成人們熟悉的聲音，此時為了保持音頻同步的問題，選擇在聲卡芯片外置一顆揚(yáng)興科技有源晶振YSO110TR 24.576MHZ，語音數(shù)據(jù)分左右聲道數(shù)據(jù)，LRCK(采樣時鐘)的時鐘一般有16KHZ、32KHZ、48KHZ;系統(tǒng)的主時鐘MCLK(過采樣時鐘)根據(jù)采樣頻率一般為采樣頻率的128、256、512倍，為了分頻方便許多聲卡芯片選擇24.576MHZ的晶振。為了實(shí)時的音頻輸出，聲卡要求主頻的頻率偏移一般都在±30PPM以內(nèi)，樣機(jī)上揚(yáng)興晶振的輸出頻率偏移為-5.2PPM，非常符合芯片設(shè)計(jì)需求。