Diseño de Sistemas de Comandos de Voz Siempre Activos y Eficientes Energéticamente

Los asistentes de voz están ahora embebidos en casi todos los productos, electrodomésticos y tecnologías. Si bien ofrecen conveniencia, su escucha constante de palabras de activación —como "okay Google" o "Alexa"— drena energía. En un mundo donde los dispositivos proliferan, reducir esta huella energética es esencial.

Este artículo describe consideraciones clave de diseño para sistemas de comandos de voz siempre activos y bajo consumo que usan detección de actividad de voz (VAD). Examina trade-offs y elecciones de componentes que habilitan una interfaz de usuario por voz (VUI) amigable y eficiente energéticamente.

VAD primero verifica habla humana antes de que el sistema escuche una palabra de activación. Esto significa que el asistente consume energía solo cuando es necesario. Con 4.2 mil millones de asistentes de voz digitales en el mundo y un duplicado proyectado para 2024, incorporar VAD puede recortar dramáticamente el uso de energía para usuarios y fabricantes por igual.

El hardware típico de VUI comprende micrófonos —individuales o arrays— conectados a un procesador de audio que captura y procesa voz. El stream de audio puede ser manejado por un procesador de audio edge, un micrófono inteligente con procesador embebido, o un procesador de aplicación estándar (AP). Los procesadores edge están optimizados para bajo consumo y baja latencia. También pueden post-procesar audio de salida y, cuando están conectados a la nube, comunicarse con el SoC principal para transmisión inalámbrica.

VAD Ultra-Bajo Consumo

La Figura 1 muestra una arquitectura que logra ultra-bajo consumo usando camino de señal analógico: un micrófono analógico, un comparador, y una interrupción que despierta un procesador de audio solo cuando se detecta actividad acústica. Un botón push-to-talk también puede añadirse para wake-up manual.

Porque el micrófono analógico y comparador deben escuchar siempre, deben consumir potencia mínima. El procesador de audio Knowles IA8201, por ejemplo, consume menos de 1 mW en modo wake-up y ofrece 1 MB memoria para procesamiento avanzado. Este enfoque simple AAD (detección de actividad acústica) funciona bien para dispositivos de bajo consumo como mandos a distancia y wearables pero puede llevar a mayor consumo general en entornos ruidosos, ya que despierta ante cualquier sonido. Además, sistemas VUI conectados a nube requieren audio pre-roll —típicamente 500 ms antes de la palabra de activación— para mejorar precisión de detección, característica necesaria para Alexa y altavoces inteligentes similares.

La Figura 2 ilustra una arquitectura que soporta buffering pre-roll para altavoces inteligentes. Estos dispositivos, a menudo alimentados por baterías mayores, graban un buffer circular de 500 ms que se usa para calibrar niveles de ruido ambiente mientras escuchan siempre.

La elección de arquitectura front-end depende de conteo de micrófonos, señales analógicas vs digitales, y procesamiento requerido.

Para la arquitectura en Figura 1, un solo micrófono analógico y comparador disparan el procesador. Un micrófono analógico de bajo consumo con SNR > 62 dB —como el Knowles SPV1840LR5H-B Kaskade— consume solo 45 µA cuando activo. El camino analógico always-on completo consume < 67 µA. Micrófonos piezoeléctricos pueden ofrecer incluso menor potencia (≈ 10 µA) pero típicamente sufren de bajo SNR, afectando rendimiento del sistema.

Para sistemas capaces de pre-roll como Figura 2, un micrófono con procesador embebido y buffer circular de 2 s —ej. el Knowles IA611— es adecuado. La potencia always-on del IA611 es 0.39 mA @ 1.8 V (90% eficiencia), haciéndolo ideal para dispositivos operados por batería como altavoces Bluetooth. Acepta entrada PDM de micrófonos digitales y puede reenviar audio a procesador host para beamforming una vez que el sistema despierta.

La Figura 3 compara vida de batería para un mando TV típico usando VAD en IA611 versus micrófono AAD piezoeléctrico de competidor. Cuando actividad acústica dura 5 h, la solución VAD proporciona ocho días extra de vida de batería —crítico ya que hogares en EE. UU. ven promedio ocho horas de TV diarias. Despertares inteligentes VAD ayudan a diseñar sistemas VUI más eficientes energéticamente.

Conclusión

La tecnología de voz está remodelando industrias —desde hogares inteligentes y hospitalidad hasta lugares de trabajo digitales, pagos por voz, gestión energética, edge computing, salud e industrial IoT. Cada aplicación demanda una arquitectura de hardware específica y selección de micrófono. Los diseñadores deben evaluar el caso de uso de voz del dispositivo, capacidades deseadas y restricciones de potencia para elegir la solución VUI óptima.

Contenido Relacionado:

• Añadir voz en microcontrolador sin tener que codificar
• Qué hay detrás del movimiento a agentes de voz personalizados
• Solución biométrica de voz apunta a autenticación
• IA encuentra su voz en cadena de audio
• Cómo cadenas extensas de procesamiento de señal hacen que asistentes de voz 'simplemente funcionen'
• Dev kits aceleran integración Alexa