DBM10L: Neues SoC für Sprach- und Geräuscherkennung mit niedrigstem Stromverbrauch
Katana + Videoverarbeitung
Ultra-Low-Power-Edge-Lösungen erfordern lokalisierte Intelligenz, die sich auf eine einzigartige Kombination aus energieeffizienter Hardware und hochentwickelten AI-Algorithmen stützt, aber gleichzeitig problemlos für neue Anwendungen übernommen werden kann. Der DBM10L ergänzt die Funktionalität von Katana, einem weiteren Produkt von SYNAPTICS, um Videoverarbeitung.
Beispielanwendungen, die Katana und DBM10L-Plattformen zur Schau stellen
Die Entwicklung des DBM10L wurde von der DSP Group gestartet, die seit 2021 Teil von SYNAPTICS ist. SYNAPTICS hat Beispielanwendungen entwickelt, die zeigen, wie effektiv sowohl Katana- als auch DBM10L-Plattformen und deren zugehörige Tools bei der Erstellung von Trainingsmodellen für bestimmte Anwendungsfälle im IoT sind. Sie können die Einführung von tinyML für das Mikrowatt-Zeitalter intelligenter und flexibler batteriebetriebener Geräte in einer Vielzahl von Branchen beschleunigen.
Der DBM10L ist ein kostengünstiger SoC für künstliche Intelligenz (AI) und maschinelles Lernen (ML), basierend auf einem digitalen Signalprozessor (DSP) und einer neuronalen Netzwerk-Engine (NN), die beide für die Verarbeitung von Sprache und Sensoren optimiert sind und sehr wenig Strom verbrauchen. Er eignet sich für batteriebetriebene Geräte wie Smartphones, Tablets, Wearables und Hearables, einschließlich True Wireless Stereo (TWS)-Headsets, sowie für Smart-Home-Geräte wie Fernbedienungen.
Der DBM10L ermöglicht KI/ML-, Sprach- und Sensorfusionsfunktionen wie Sprachaktivierung (VT), Sprachauthentifizierung (VA), Sprachsteuerung (VC), Rauschunterdrückung (NR), akustische Echounterdrückung (AEC), Geräusch-Ereignis-Erkennung (SED), Annäherungs- und Gestenerkennung, Sensordatenverarbeitung und Entzerrung.
Die NN-Engine des DBM10L besteht aus dem nNet Lite NN-Prozessor von SYNAPTICS DSP Group, einer eigenständigen Hardware-Engine, die die Ausführung von NN-Inferenzen beschleunigt. nNet Lite verleiht dem DBM10L seine ML-Fähigkeit und ist für maximale Effizienz optimiert, um einen extrem niedrigen Stromverbrauch für kleine bis mittelgroße NNs zu gewährleisten.
Der DBM10L wird durch eingebettete Speicher sowie serielle und Audio-Schnittstellen für die Kommunikation mit anderen Geräten im System unterstützt, zB mit einem Anwendungsprozessor (AP), Codecs, Mikrofonen und Sensoren.
Low Power
- Sehr kompakter Formfaktor: ~4 mm²
- Ultra-low-Power Inferenz verbrauchen ~500 µW (typisch) für Sprach-NN-Algorithmen
- Läuft mit Hello-Edge 30-Wort-Erkennungsmodell bei 1 MHz (125 MHz verfügbar)
- Ermöglicht die Portierung großer Modelle (10 Megabyte) ohne signifikanten Genauigkeitsverlust durch Modelloptimierung und Kompression
Anwendungsfälle
Die Plattform kann für die Verarbeitung der folgenden Sensoreingaben verwendet werden: Ton, Stimme, Temperatur, Wasser, Druck, Strom, Bewegung, Position usw.
Zu den Anwendungen gehören Fernbedienungen, Sprachaufwachsysteme in AOV-Anwendungen, Sicherheitsfunktionen und die Mitverarbeitung von Sensoreingaben.
SW-Entwicklung
Der DBM10L wird mit einem SW-Framework geliefert, das über Schnittstellen zu den marktüblichen KI- und ML-Entwicklungstools verfügt. Diese Modelle werden dann mit einem Compiler für die DBM10L Neural Network Engine optimiert.
Evaluationsboards sind auf Anfrage verfügbar.
Ihr Ansprechpartner
Für weitere Informationen wenden Sie sich bitte an Achim Stahl.
