Sumber daya cukup untuk pengenalan suara medan jauh, di mana pengguna berada beberapa meter dari mikrofon. Asisten rumah digital yang dikontrol suara dan infotainment otomotif adalah aplikasi yang dimaksudkan.
Mengapa memproses pidato pada PCB lokal?
"Algoritma pengenalan suara berbasis jaringan neural melakukan lebih banyak tugas secara lokal, bukan di cloud, karena kekhawatiran latensi, privasi dan ketersediaan jaringan," kata Cadence.
Disebut HiFi 5, ia memiliki dua kali kapasitas pemrosesan audio dan empat kali pemrosesan neural network (NN) dari HiFi 4 DSP sebelumnya.
"Tujuan kami adalah membuat mesin kosakata besar tersedia secara lokal yang mampu memproses bahasa alami," kata direktur pemasaran Cadence Gerard Andrews kepada Electronics Weekly. “Kami mensurvei jaringan saraf pengenalan-suara open-source, dan kami merancang HiFi 5 untuk menjalankan jenis-jenis jaringan tersebut.
Elemen pemrosesan meliputi:
- Lima kata instruksi sangat panjang (VLIW) -slot arsitektur mampu mengeluarkan dua 128-bit memuat per siklus
- Akumulator pengali DSP:
Dukungan untuk 8 32x32bit MAC / cycle atau 16 16x16bit MAC / cycle
Opsional delapan MAC titik apung presisi tunggal per siklus - Akumulator pengganda jaringan-saraf:
32 16 × 8 MAC / cycle atau 16 × 4 MAC / cycle
16 titik floating-point MAC opsional per siklus
MAC DSP, menurut Andrews, termasuk, misalnya, dukungan untuk saturasi, sedangkan MAC jaringan saraf dioptimalkan untuk mengalikan nilai vektor dengan matriks. "Dalam begitu banyak jaringan saraf, Anda akhirnya menghabiskan banyak waktu mengalikan vektor dengan sebuah matriks," katanya, menambahkan bahwa: pilihan berapa banyak MAC untuk dimasukkan, dan tipe data dan panjang berat apa yang didukung, adalah berdasarkan kerja dengan pelanggan HiFi 4.
Matematika floating point telah digabungkan untuk dua kasus penggunaan - presisi tunggal untuk front-end vokal untuk pembentukan balok dan gema-pembatalan, dan setengah-presisi untuk beberapa jaringan saraf. "Floating point memberi waktu cepat ke pasar," kata Andrews. "Misalnya, jika Anda mengembangkan sesuatu floating point di MatLab, mengubahnya menjadi fixed-point cukup memakan waktu."
Multiplier mendukung bobot 8bit karena “tren besarnya adalah menghitung hingga bobot 8bit untuk pengenalan suara, yang tidak harus memberikan akurasi yang terlalu besar. Anda memang melihat makalah yang disajikan di mana orang berusaha turun ke 4bits, ”kata Andrews. "Kami mengantisipasi bahwa sebagian besar algoritma akan memanfaatkan pengali 16x8bit kami: 16bits untuk data dari mikrofon dan 8bits untuk bobot."
Untuk skema pembobotan lainnya, operasi 4bit, 2bit, dan 1bit tersedia serta 8bit.
Ambiq Micro, produsen mikrokontroler yang dibangun di atas proses silikon 'sub-ambang' untuk menghemat daya, adalah pelanggan HiFi 5 pertama.
"Untuk memenuhi tantangan yang sangat sulit untuk membawa algoritma pemrosesan jarak jauh berbasis jaringan saraf intensif dan pengenalan suara ke perangkat yang peka terhadap energi, Ambiq Micro memilih untuk menjadi pemegang lisensi silikon pertama dari Cadence's HiFi 5 DSP", kata Ambiq vp pemasaran Aaron Grassian. “Mengaitkan HiFi 5 DSP ke platform Ambiq Micro yang dioptimalkan untuk daya dioptimalkan memungkinkan para perancang produk, ODM, dan OEM memanfaatkan teknologi dari para pemimpin perangkat lunak audio seperti Konsep dan Sensor DSP dengan menambahkan integrasi asisten suara, perintah dan kontrol, dan UI percakapan dengan produk portabel, seluler tanpa mengorbankan kualitas atau usia baterai. "
Mendukung properti intelektual, ada perpustakaan fungsi perpustakaan dioptimalkan yang biasa digunakan dalam pemrosesan jaringan saraf - terutama untuk pemrosesan ucapan. Fungsi-fungsi ini ditujukan untuk integrasi dalam kerangka pembelajaran mesin yang populer.
HiFi 5 juga kompatibel dengan perpustakaan perusahaan dari codec audio dan suara yang ada, dan paket perangkat lunak peningkatan audio, dioptimalkan untuk versi sebelumnya dari jajaran produk HiFi perusahaan.