端側(cè)AI降噪模組產(chǎn)品概述

隨著智能會議、直播和游戲語音交流的普及，高質(zhì)量的音頻輸入設(shè)備變得越來越重要。專為語音收集和處理設(shè)計(jì)的USB AI降噪麥克風(fēng)模組，這是一款基于XMOS XU316芯片和Codec芯片的專業(yè)音頻處理模組。

基于XMOS XU316和Codec芯片，專為麥克風(fēng)輸入和耳機(jī)輸出場景設(shè)計(jì)的模組。該模組集成了強(qiáng)大的音頻處理能力，搭配不同的固件，可以實(shí)現(xiàn)直播麥克風(fēng)、游戲耳機(jī)等多種產(chǎn)品應(yīng)用。

作為一款USB即插即用設(shè)備，A316-Codec-V1無需額外驅(qū)動(dòng)，支持多種采樣率（16kHz/48kHz）和位深（16bit/24bit/32bit），能夠滿足不同場景下的音頻處理需求。

核心功能

AI降噪技術(shù)：采用先進(jìn)的AI算法實(shí)現(xiàn)環(huán)境噪聲抑制

自動(dòng)增益控制：智能調(diào)節(jié)音量，確保語音清晰度

硬件配置

核心模組：

采用U316-Codec-V1模組，提供強(qiáng)大的數(shù)字信號處理能力

音頻接口：

1、USB音頻輸入輸出，支持UAC 1.0/2.0協(xié)議

2、耳機(jī)輸入、輸出，支持mini3.5接口

3、卡農(nóng)輸入、輸出

4、I2S輸入、輸出

參數(shù)調(diào)試接口：

1、USB參數(shù)調(diào)試接口

2、SPI參數(shù)調(diào)節(jié)接口

監(jiān)聽輸出：

提供耳機(jī)監(jiān)聽輸出，便于實(shí)時(shí)監(jiān)聽音頻效果

端側(cè)AI降噪模組功能設(shè)計(jì)架構(gòu)

無論是工業(yè)現(xiàn)場的機(jī)械轟鳴、交通樞紐的嘈雜人聲，還是居家環(huán)境的電器運(yùn)轉(zhuǎn)聲，端側(cè)AI 降噪模組均能通過智能頻譜分析，精準(zhǔn)剝離復(fù)雜背景噪音，同時(shí)保留語音信號的完整性與自然度。相較傳統(tǒng)降噪方案，其深度學(xué)習(xí)算法可針對非平穩(wěn)噪音實(shí)現(xiàn)毫秒級動(dòng)態(tài)響應(yīng)，有效避免語音失真與信息損耗，確保語音交互的清晰度與流暢性。

傳統(tǒng)降噪技術(shù)（如線性濾波、譜減法）依賴固定參數(shù)設(shè)定，在處理復(fù)雜動(dòng)態(tài)噪音時(shí)易出現(xiàn)適應(yīng)性不足問題。端側(cè)AI 降噪模組采用RNnoise算法，通過提前語音特征值，融合神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)端到端深度學(xué)習(xí)架構(gòu)，通過海量聲學(xué)數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，能夠?qū)崟r(shí)分析語音與噪音的時(shí)域、頻域及空間特征。當(dāng)含噪語音輸入時(shí)，模型可智能識別噪音成分并生成反向聲波進(jìn)行抵消，實(shí)現(xiàn)從 “被動(dòng)過濾” 到 “主動(dòng)抑制” 的技術(shù)跨越，顯著提升復(fù)雜場景下的降噪性能。端側(cè)AI降噪模組功能框圖如圖1所示。

圖1 端側(cè)AI降噪模組功能框圖

端側(cè)AI降噪模組硬件架構(gòu)

模組硬件架構(gòu)

端側(cè)AI降噪模組的硬件架構(gòu)是一個(gè)以高集成度異構(gòu)SoC為核心的精密系統(tǒng)，其設(shè)計(jì)核心是在嚴(yán)格的功耗、成本和尺寸限制下實(shí)現(xiàn)高效實(shí)時(shí)處理。該架構(gòu)通常包含音頻輸入、核心處理芯片（XMOS XU31芯片）、高效電源管理單元及各類接口。端側(cè)AI降噪模組硬件架構(gòu)如圖2所示。

圖2 端側(cè)AI降噪模組硬件架構(gòu)圖

模組硬件接口解析

模組采用郵票半孔封裝設(shè)計(jì)，高度集成化布局兼容多種設(shè)備形態(tài)。其功能接口涵蓋：

1、電源管理接口：

支持寬電壓輸入（2.8V-5.5V），內(nèi)置電源穩(wěn)壓模塊，確保復(fù)雜供電環(huán)境下的穩(wěn)定運(yùn)行

2、音頻輸入輸出接口

模擬音頻接口：兼容傳統(tǒng)駐極體麥克風(fēng)與揚(yáng)聲器，支持即插即用（如耳機(jī)、卡農(nóng)）

數(shù)字音頻接口：支持 I2S、USB，實(shí)現(xiàn)高保真音頻數(shù)據(jù)傳輸

（如I2S、USB）

3、智能交互接口

USB 接口：支持 Windows、Android、Linux 系統(tǒng)免驅(qū)連接，集成固件在線升級功能

SPI 調(diào)試接口：提供降噪?yún)?shù)實(shí)時(shí)調(diào)節(jié)動(dòng)態(tài)配置等功能

端側(cè)AI降噪模組可調(diào)參數(shù)

AGC參數(shù)

1、AGCGAIN ：AGC增益系數(shù)

2、AGCMAXGAIN ：AGC增益系數(shù)最大值

3、AGCONOFF ：設(shè)置AGCGAIN的值是否可變

測試調(diào)試參數(shù)方法：

近端音頻信號源： IEEE_269-2010_Male_mono_48_kHz.wav，調(diào)整參數(shù)后，播放近端音頻，觀察輸出音頻為合適電平

AI降噪?yún)?shù)

1、AI_denoise_ONOFF : 設(shè)置是否采用AI降噪功能

2、NS_Parameter ：噪聲衰減系數(shù)，NS_Parameter默認(rèn)值為0.15，表示了在設(shè)備輸出音頻信號中大約實(shí)現(xiàn)了15dB 的噪聲衰減處理，增加NS_Parameter參數(shù)值會增加噪聲抑制，同時(shí)也會增加近端語音失真。因此，需要做好語音質(zhì)量和穩(wěn)定性噪聲抑制兩方面平衡。增加這個(gè)參數(shù)值會影響進(jìn)度語音的音質(zhì)，尤其在混響存在的環(huán)境下更加顯著。

端側(cè)AI降噪模組加密

采用XMOS提供的片內(nèi)OTP， 高安全性AES加密模塊，加密方式、過程，以及加密效果待驗(yàn)證，查到資料表示OTP一次性編程，且容量偏小，最大代碼量為8KB

XMOS芯片包含一個(gè)片上的 OTP存儲器，我們能夠?qū)MOS的AES模塊的配置信息 存儲到芯片的OTP上，這樣程序在被燒錄到Flash上的時(shí)候就會被加密。XMOS的AES模塊不會被自身程序或是第三方程序修改；程序通過密鑰進(jìn)行AES加密，不會被第三方設(shè)備進(jìn)行盜用。所以XMOS的AES加密具有非常好的安全性和可靠性。

XMOS的AES加密步驟：

1、使用XBURN命令生成128位密鑰對，寫入密鑰文件

$ xburn --genkey keyfile

其中密鑰文件第一行是公鑰（認(rèn)證密鑰），第二行是私鑰（解密密鑰）。

2、使用XBURN命令將AES模塊和安全密鑰寫入目標(biāo)設(shè)備的OTP存儲器，并設(shè)置其安全啟動(dòng)位

$ xburn --lock keyfile --target-file target.xn --enable-jtag --disable-master-lock

3、加密燒寫固件并將其寫入閃存

$ xflash target.xe --key keyfile

XMOS加密后程序的運(yùn)行過程如圖3所示。首先XMOS芯片從自身的Boot ROM加載基本啟動(dòng)程序，啟動(dòng)程序會查詢安全寄存器（Security Register）的所有安全設(shè)置位，其中如果安全啟動(dòng)位（secure boot bit）沒有置位，程序就會使用正常啟動(dòng)方式，把控制權(quán)交個(gè)外部的SPI Flash，運(yùn)行外部的 Flash loader和用戶應(yīng)用程序。如果置位了，則會使用安全啟動(dòng)模式，并且會使用OTP內(nèi)部的引導(dǎo)啟動(dòng)程序 （boot loader） 。從OTP內(nèi)部拷貝出AES的設(shè)置資料并加載AES模塊。AES模塊通過SPI讀取外部Flash loader 到RAM里面，然后使用AES128-CMAC運(yùn)算法則和一個(gè)128bit的加密密鑰對Flash loader進(jìn)行進(jìn)行校驗(yàn)，如果校驗(yàn)失敗，那么啟動(dòng)程序（boot loader）將會被終止。若校驗(yàn)成功，則AES會讀取Flash 對應(yīng)的鏡像程序塊，使用一個(gè)解密密鑰進(jìn)行解碼，并正常運(yùn)行程序。

圖3 XMOS使用AES模塊加密后程序的運(yùn)行過程