Edge IA y hardware de bajo consumo impulsan el auge del control por voz

El control por voz se está infiltrando rápidamente en prácticamente todos los dispositivos edge de consumo. Gracias a avances en algoritmos de reconocimiento de voz y aceleradores de IA de bajo consumo, incluso electrodomésticos con restricciones de batería pueden ofrecer ahora interfaces de voz inteligentes.

Desde la perspectiva del consumidor, las motivaciones principales para gadgets de hogar inteligente con voz son directas.

“La facilidad de uso y la conveniencia impulsan la adopción”, dijo Alireza Kenarsari‑Anhari, CEO de PicoVoice, a EE Times. “Imagina ordenar a tu cafetera de oficina desde el escritorio o decirle a una secadora qué hacer mientras haces malabares con la ropa”.

Aunque muchos de estos dispositivos permanecen enchufados y siempre conectados al Wi‑Fi doméstico, procesar audio localmente ofrece beneficios convincentes de privacidad y fiabilidad.

La IA en el edge está motivada por la privacidad —los consumidores quieren mantener sus conversaciones locales, y las empresas a menudo requieren controles estrictos de datos— y por la fiabilidad. “¿Querrías que tu lavadora se detuviera por una caída de Wi‑Fi?”, preguntó Kenarsari‑Anhari.

La latencia importa para casos de uso sensibles al tiempo, como gaming, donde incluso milisegundos pueden afectar la experiencia.

La inferencia en la nube incurre en costes recurrentes por petición, lo que es insostenible para dispositivos de alta frecuencia y bajo margen. El procesamiento en el edge elimina esos cargos.

PicoVoice ofrece un motor speech‑to‑text sin nube que corre en microcontroladores por debajo de 1 $. Esto abre el control por voz para wearables, hearables e incluso dispositivos industriales, de seguridad y médicos que exigen extrema eficiencia energética y de coste.

Su nueva plataforma Shepherd permite a desarrolladores crear apps de voz en microcontroladores sin escribir código, integrándose con PicoVoice Console. Actualmente soporta MCUs ARM Cortex‑M populares de ST y NXP, con dispositivos adicionales en hoja de ruta.

“Pienso en la voz como una interfaz —si puedes construir tu GUI o web sin codificar, quizá usando WordPress, construir interfaces de voz de forma similar es el siguiente paso lógico”, dijo Kenarsari‑Anhari. “Shepherd empodera a gestores de producto y diseñadores UX para prototipar e iterar rápido, y apuntamos a ampliar su base de usuarios. ¿Y si todos pudieran construir su propio asistente? Nómbralo como quieran —sin Alexa— y dale la personalidad que deseen”.

Aunque es posible desarrollar modelos de procesamiento de lenguaje natural desde cero, requiere recursos significativos. “Apple, Amazon, Google y Microsoft lo hicieron”, añadió. “Es cuestión de si una empresa tiene la capacidad y disposición para construir una organización dedicada en torno a ello”.

Tendencias futuras

La voz se está convirtiendo en la interfaz preferida para la próxima generación de usuarios tecnológicos, dijo Kurt Busch, CEO de Syntiant, a EE Times el verano pasado.

Busch recordó a su hijo menor —que podía leer pero aún no escribir o deletrear— usando voz para enviar mensajes de texto a amigos en un smartphone. “Su generación tuvo teléfonos temprano; ahora default a hablar”, dijo. Visualiza la voz como “la pantalla táctil del futuro”, con procesamiento en el dispositivo ofreciendo interfaces rápidas y responsivas primero en teclados y ratones, luego en electrodomésticos de línea blanca.

Los aceleradores de IA especializados de Syntiant manejan cargas de trabajo de voz en electrónica de consumo con presupuestos de energía bajos. Hasta la fecha, la empresa ha enviado más de 10 millones de chips en todo el mundo, la mayoría alimentando la detección siempre activa de palabras clave en móviles. El último NDP120 puede reconocer hot words como “OK Google” y activar el asistente en menos de 280 µW.

Busch también ve la voz como una fuerza democratizadora. “Tres mil millones de personas viven con 2 $ al día y a menudo carecen de internet o educación formal. El habla es la interfaz natural para ellos”, explicó. “Aplicaciones voice‑first pueden llevar tecnología a regiones desatendidas, tanto rentable como cómodamente”.

Fragmentación del mercado

El crecimiento rápido puede llevar a fragmentación, dijo Vikram Shirastava, director senior de IoT en Knowles. “El mercado se divide por motor de voz, plataforma hardware, sistema operativo y entorno acústico —hogar, timbre, coche, etc.”.

Knowles ofrece soluciones de control por voz basadas en DSP adaptadas a diferentes verticales. Agrupando mercados con necesidades compartidas —como controles de hogar, soundbars TV y mandos a distancia— puede entregar productos optimizados, “un nivel por debajo de llave en mano”. “Lanzamos múltiples releases que abordan puntos de fragmentación específicos, permitiéndonos servir los verticales que objetivo”, dijo Shirastava.

La última solución AISonic Bluetooth Standard de Knowles es un kit de desarrollo para reconocimiento de voz en dispositivos conectados por Bluetooth como altavoces inteligentes, wearables y asistentes en vehículo. Construida sobre el silicio DSP dual‑core IA8201, ejecuta detección de palabras clave, clasificación de fuente, beamforming, cancelación de eco acústico y estimación de dirección de fuente simultáneamente, todo dentro de 50 mW. Esta eficiencia proviene de un set de instrucciones con casi 400 instrucciones personalizadas de audio e IA, permitiendo frecuencias de reloj más bajas y consumo reducido.

El soporte para smartphone iOttie Aivo Connect usa IA8201 de Knowles para capacidades de voz en coche. Tiene Alexa integrado. (Fuente: Knowles)

¿Se convertirá la voz en la interfaz de usuario por defecto en la mayoría de la electrónica de consumo? La convergencia de algoritmos de voz IA avanzados y eficientes, toolchains amigables para desarrolladores y un ecosistema creciente de hardware de bajo consumo y bajo coste sugiere que va en ese camino.

>> Este artículo se publicó originalmente en nuestro sitio hermano, EE Times.