随着硬件和软件的不断发展，语音作为与各种日常设备的通信方式，将为用户提供更具包容性和定制化的体验。

当涉及用于语音控制的传感器技术时，从音频设备本身到软件和算法的各个方面都在进行创新，并且在MEMS麦克风方面取得了重大改进。

FierceElectronics最近与迪米特里奥斯Damianos，技术与市场分析师和自定义项目业务开发谈到YoleDéveloppement公司（Yole）对这一趋势以及如何进行语音检测，语音识别和环境感知。

随着语音控制的发展，设计工程师将需要考虑技术的独特要求和问题。

FierceElectronics（FE）：您已经说过，MEMS和传感器的下一个创新将是音频，用于声音和语音控制。它有什么不同？

Dimitrios Damianos（DD）：自2003年将MEMS麦克风用于第一部摩托罗拉Razr手机以来，就一直使用它们。从那时起，它们已经走了很长一段路：他们取代了传统的驻极体电容式麦克风（ECM），以提供更好的性能，有更高的灵敏度和更低的成本，并且每年出货数十亿个。

自几年前以来，语音控制作为人机界面（HMI）一直风靡一时。现在有许多设备包括语音/虚拟个人助理（VPA），例如智能手机，智能手表，以及最近的智能扬声器和汽车。音频方面的创新实际上是在更大，更全面的范围内进行的：MEMS麦克风需要一流的性能（灵敏度）以及低功耗，因为它们用于始终开启的设备中。另外，必须捕获高质量的声音，以便进行有效的处理和高质量的渲染。

在系统级别，您还需要考虑从设备到音频编解码器的整个音频链，音频软件和算法（降噪，波束成形等），数字信号处理器（DSP），最后是音频放大器和扬声器。因此，在所有这些变量的优化上，特别是在使用AI对数据进行分析的各个方面，都发生了创新。

FE：哪些技术会打开新的应用程序？将发挥什么作用？

DD：现在，大多数计算都在云中完成，在云中训练模型，并在其中进行推理。这可以分析具有巨大价值的数据。

但是，这种情况下的数据通常由全球的GAFAM（Google，Apple，Facebook，Amazon和Microsoft）掌握，这会引起隐私问题。我们正在看到向云训练和边缘推理以减少延迟问题的转变。最终，将在边缘进行训练和推理，以解决隐私问题。在这种情况下，一切都在本地设备完成，并且没有数据发送到云。为了使所有训练都以小尺寸，靠近设备（在边缘）和低功耗的方式进行，正在重新考虑机器算法，并且正在研究新的计算架构，例如神经网络。

FE：未来有哪些未来应用程序？

DD：我们正朝着语音互联网（IoV）时代迈进，越来越多的应用采用语音作为与各种日常设备的接口。确实，未来就在眼前，随着硬件和软件的不断完善，它将不断改善，为用户提供更具包容性和定制化的体验。这样，随着各种延迟，功耗，计算和隐私问题开始被清除，越来越多的人将在日常生活中通过各种设备使用VPA。

FE：随着老年人口的增长，我们何时可以看到基于MEMS麦克风的优质助听器？

DD：每个助听器制造商都有不同的要求，并希望开发一款特定的麦克风，这使其成为一个小批量，高要求的市场（需要高品质的麦克风），从而导致高麦克风ASP诞生。考虑到这些限制，对于各种麦克风制造商来说，这似乎不是一个有利可图的市场。

尽管如此，尽管传统ECM仍然是该应用中使用最多的麦克风，但助听器仍越来越多地采用MEMS麦克风。长期以来，MEMS麦克风的小尺寸一直是其主要优势，但在噪声性能，功耗，稳定性和助听器的可重复性方面，它们的性能与ECM或者更好。MEMS麦克风可实现新功能，例如定向听力，语音识别以带来更高的精确度。