當今的消費者對技術(shù)的要求日益提升，這一點在用于與設(shè)備進行互動的界面技術(shù)上體現(xiàn)得尤為明顯。人們對包括手機、車載電子、家用網(wǎng)絡(luò)和辦公環(huán)境下的設(shè)備要求越來越高，要求它們能夠融入更易操作的、更直觀的用戶界面，以更貼切反映人與人之間的互動關(guān)系。

在每一個新的產(chǎn)品周期中，設(shè)計人員都倍感壓力，要設(shè)計出操作更加精確、用戶界面更加直觀的產(chǎn)品。近年來，繼觸屏技術(shù)逐漸普及到包括電話、平板電腦、顯示器、銷售點解決方案、ATM和查詢機等設(shè)備之后，語音識別技術(shù)正在快速成為驅(qū)動產(chǎn)品創(chuàng)新與運用的下一代用戶界面技術(shù)。語音識別，甚至是手勢與影像識別，成為各種工作與個人設(shè)備的標準配備只是個時間問題。由于語音識別技術(shù)在某種程度上受制于嵌入式應(yīng)用的發(fā)展，因此其至今仍然處于發(fā)展的初期。然而，語音識別交互界面技術(shù)將最終被廣泛采用，這是技術(shù)發(fā)展的大勢所趨。汽車工業(yè)已經(jīng)在計劃引入更多具備更強嵌入式語音識別功能的尖端模塊。

語音識別技術(shù)之所以發(fā)展緩慢，部分是由于用戶界面越直觀，其所需的處理能力與內(nèi)存就呈指數(shù)級別上升，這反過來促進了閃存技術(shù)的創(chuàng)新發(fā)展。正如大多數(shù)設(shè)計人員所熟知的那樣，用戶界面越直觀，其所需的技術(shù)平臺與設(shè)計就越復(fù)雜。用戶界面技術(shù)將消耗更多的計算能力與閃存，才能在達到高性能的處理能力的同時，保持最佳用戶體驗。一種解決方案是采用專門的硬件，即具有下一代閃存能力、集成了邏輯與靈活軟件算法的專用協(xié)處理器。這些協(xié)處理器能夠作為獨立的硬件加速器分擔主應(yīng)用處理器的負擔，從而獲得市場上最高水平的用戶體驗。

人機交互界面的演進

自從電腦鼠標問世以來，HMI（人機交互）技術(shù)取得了長足進步。用戶界面的創(chuàng)新從歷史上看可歸功于新器件的成功運用，例如，從老款移動電話的實體按鍵變?yōu)橹悄苁謾C的觸屏。打造具有吸引力的用戶界面極具挑戰(zhàn)性，需要相當復(fù)雜的系統(tǒng)來創(chuàng)造功能性強、易于訪問、邏輯清晰與令人愉悅的用戶體驗。這種復(fù)雜系統(tǒng)對高可靠性、高性能硬件提在處理能力和閃存帶寬方面要求較高。由于終端產(chǎn)品的核心功能創(chuàng)新已接近成熟，消費者們正日益將產(chǎn)品的工業(yè)設(shè)計與用戶界面作為標準來做出購買決定。生產(chǎn)商也注意到了這一變化，而閃存生產(chǎn)商與設(shè)計人員也在市場的壓力下，加快創(chuàng)新以回應(yīng)市場的要求。語音識別正是下一波人機交互技術(shù)創(chuàng)新的焦點之所在。

語音識別如何處理工作

在先進的HMI技術(shù)正日益成為許多消費電子產(chǎn)品事實上標準的同時，高性能處理能力對嵌入式系統(tǒng)而言正變得的更為關(guān)鍵?？傮w而言，語音識別功能可被細分為三個處理階段：

第一個階段是聲音處理階段，這通常會占用不到5%的處理能力，即系統(tǒng)將捕獲的聲音信號從模擬信息轉(zhuǎn)化為數(shù)字信息。這同時也是過濾、抑制噪聲和回聲消除的階段，將話筒聲音與錯誤捕獲的雜音區(qū)分開來。經(jīng)過處理后的信號以數(shù)字聲音流的形式輸出，每一段聲音都如同指紋一樣是獨一無二的。第二個階段為匹配階段，即系統(tǒng)將這些聲音信號與“語音庫”，即聲學(xué)模型進行匹配。這種匹配階段被稱作聲學(xué)打分，會占用系統(tǒng)處理帶寬的50%到70%。第二階段產(chǎn)生的聲學(xué)得分將作為輸入信息進入第三個階段，即系統(tǒng)通過搜索語言與詞典模型，將這些聲學(xué)信號轉(zhuǎn)譯為文字信息。這一階段會占用30%到50%的處理能力。

一般說來，整個處理過程由一個CPU負責(zé)，而這個處理器也同時需要負責(zé)處理若干其他的任務(wù)。由于語音識別非常占用計算能力與閃存空間，因此在一個嵌入式解決方案共享資源會導(dǎo)致無法接受的延遲，或者限制了帶寬處理日益增加的軟件模型的能力。為了取得更高的精確性，軟件模型的大小正在日益膨脹。

為何為HMI處理過程配備專門的硬件？

由于HMI（如語音識別）處理過程中繁重的存儲與運算帶寬限制，這種多任務(wù)共享一個CPU資源的方式常常以犧牲某些終端用戶體驗為代價。

例如，在語音識別中，在共享資源的嵌入式系統(tǒng)條件下，設(shè)計人員必須在速度與精確性之間進行取舍。更大的聲學(xué)模型能實現(xiàn)更高的精確性，不過卻要有更大的處理能力才能避免無法接受的延遲響應(yīng)速度。另外，由于用戶提升了他們對語音處理界面的期望，例如希望界面能夠區(qū)分性別、噪音、對話、口音以及多語言等，這種功能豐富的語音模塊的大小則會呈指數(shù)級別與日俱增，而可靠性高、可快速訪問的內(nèi)存對這種日益提升的性能而言將變得更加重要。 不幸的是，如今資源共享、資源限制型的硬件平臺并不能為目前最大型的聲學(xué)模型提供可接受的處理能力。因此，業(yè)內(nèi)目前只能退而求其次，開發(fā)出壓縮版的聲學(xué)模型，僅能在最低程度可接受的響應(yīng)時間內(nèi)提供最低程度可接受的精確性。

為了克服這個缺點，業(yè)界最近已經(jīng)開發(fā)出了一套解決方案：一款能夠提升處理能力，加速某些語音識別處理階段的專用硬件協(xié)處理器。這類解決方案的第一個代表就是Spansion語音協(xié)處理器。Spansion語音協(xié)處理器負責(zé)語音識別的聲學(xué)評分階段，從而分擔了CPU的負荷，最多能減少50%的響應(yīng)延遲。此外，Spansion語音協(xié)處理器能夠為當今最大的聲學(xué)模型提供足夠大的處理能力，最大能達到目前我們常見聲學(xué)模型的10倍。采用這種解決方案能徹底解決延遲性與精確性的取舍問題，而在基于資源共享平臺的嵌入式語音識別解決方案中，這是個重大的設(shè)計問題。

這幾類專用的用戶界面協(xié)處理器運用先進的閃存技術(shù)，實現(xiàn)一系列應(yīng)用的瞬間響應(yīng)、高可靠性與高性能。

先進的HMI看起來將會是什么樣子的？

雖然語音識別代表了嵌入式系統(tǒng)HMI當下發(fā)展的潮流，目前，在為自然語言理解、圖像識別或情緒感知等功能提供先進的HMI方面，我們僅僅邁出了一小步。然而，近年來閃存技術(shù)的發(fā)展，正不斷地推動著整個行業(yè)向著更新穎、更富創(chuàng)造性的發(fā)展高度。專用的硬件與先進的閃存和邏輯器件結(jié)合，能為功能更豐富、更強大的軟件模型的運行提供基礎(chǔ)，逐步引領(lǐng)我們更加接近未來更尖端的HMI技術(shù)。隨著閃存創(chuàng)新步伐的不斷向前推進，我們也將更有能力設(shè)計出功能更豐富、更貼近自然的界面，最終改善用戶體驗。

消費者對最佳用戶體驗的追求，不斷地鞭策著我們開創(chuàng)新的架構(gòu)。因此，正是用戶不斷推動著閃存技術(shù)的不斷創(chuàng)新并向前高速發(fā)展。如今，下一個技術(shù)發(fā)展的前沿與挑戰(zhàn)是提供更加豐富的用戶體驗，在先進的閃存技術(shù)與專用硬件的助力下獲得更強大的語音識別能力。