Ressourcer er tilstrækkelige til langtfelt talegenkendelse, hvor brugeren er meter væk fra mikrofonen. Stemmestyrede digitale hjemmearbejdere og bilinfotainment er beregnet til applikationer.
Hvorfor behandle tale på det lokale printkort?
"Neural network-baserede talegenkendelse algoritmer udfører flere opgaver lokalt, snarere end i skyen, på grund af bekymringer om latency, privatliv og netværks tilgængelighed," sagde Cadence.
Kaldet HiFi 5, den har to gange lydbehandlingskapaciteten og fire gange den neurale netværks (NN) -behandling af den tidligere HiFi 4 DSP.
"Vores mål er at lave en stor ordforrådsmotor til rådighed lokalt, der er i stand til at behandle naturligt sprog," sagde Cadence Marketing Director Gerard Andrews Electronics Weekly. "Vi undersøgte open source-genkendelsesnorale netværk, og vi designet HiFi 5 til at køre disse typer netværk.
Behandlingselementer omfatter:
- Fem meget lange instruktionsord (VLIW) -slotarkitektur, der er i stand til at udstede to 128-bit belastninger pr. Cyklus
- DSP multiplikator akkumulatorer:
Støtte til 8 32x32bit MAC / cyklus eller 16 16x16bit MAC / cyklus
Valgfri otte single-precision flydende punkt-MAC'er pr. Cyklus - Neural network-multiplikator akkumulatorer:
32 16 × 8 MAC / cyklus eller 16 × 4 MAC / cyklus
Valgfri 16 halv præcision flydende punkt-MAC'er pr. Cyklus
DSP MAC'erne, ifølge Andrews, omfatter for eksempel støtte til mætning, mens de neurale netværk MAC'er er optimeret til at multiplicere en vektorværdi af en matrix. "I så mange neurale netværk, du ender med at bruge en enorm mængde tid til at gange en vektor med en matrix," sagde han og tilføjede det: valget af, hvor mange MAC'er der skal inkluderes, og hvilke datatyper og vægtlængder der skal understøttes baseret på arbejde med HiFi 4 kunder.
Flydende matematik er indarbejdet i to brugssager - enkelt præcision for vokalfronten til stråledannelse og ekko-annullering og halv præcision for nogle neurale netværk. "Flydende punkt giver en hurtig time-to-market," sagde Andrews. "Hvis du for eksempel udvikler noget flydende punkt i MatLab, er det meget tidskrævende at konvertere det til fast punkt."
Multiplikatorstøtten 8bit vægter fordi "den store tendens er at kvantisere ned til 8bit vægte til talegenkendelse, som ikke behøver at afvige for meget i nøjagtighed. Du kan se papirer præsenteret, hvor folk forsøger at gå ned til 4bits, "sagde Andrews. "Vi forventer, at de fleste algoritmer vil udnytte vores 16x8bit multiplikator: 16bits til data fra mikrofonen og 8bits til vægten."
For andre vægtningsordninger er 4bit, 2bit og 1bit operation tilgængelig såvel som 8bit.
Ambiq Micro, producent af mikrocontrollere bygget på 'sub-threshold' silicium processer for at spare strøm, var den første HiFi 5 kunde.
"For at imødekomme den ekstremt vanskelige udfordring at bringe computationsintensive neurale netværksbaserede farvandsbehandlings- og talegenkendelsesalgoritmer til energifølsomme enheder valgte Ambiq Micro at være den første siliconlicensgiver af Cadence's HiFi 5 DSP", sagde Ambiq vp for marketing Aaron Grassian. "Ved at overføre HiFi 5 DSP til Ambiq Micros substrengseffektoptimerede platform gør produktdesignere, ODM'er og OEM'er det bedste udbytte af teknologi fra lydsoftwareledere som DSP Concepts og Sensory ved at tilføje integration med voice assistant, kommando og kontrol og konverserende brugergrænseflader til bærbare, mobile produkter uden at ofre kvalitet eller batterilevetid. "
Understøttelse af den intellektuelle ejendomsret er et bibliotek med optimerede biblioteksfunktioner, der almindeligvis anvendes til neuralt netværksbehandling - især til talebehandling. Disse funktioner er rettet mod integration inden for populære maskinindlæringsrammer.
HiFi 5 er også kompatibel med firmaets bibliotek med eksisterende lyd- og voice codecs og lydforbedringssoftwarepakker, optimeret til tidligere versioner af firmaets HiFi produktprogram.