語音助理早已不是新鮮事物，但是近來搭載AI語音助理的智能音箱卻成為了國(guó)內(nèi)外科技巨頭爭(zhēng)相推出的智能家居新品，這無疑將帶動(dòng)語音識(shí)別中必不可少的傳感器——麥克風(fēng)市場(chǎng)的增長(zhǎng)，不過增長(zhǎng)并非包括所有類型的麥克風(fēng)。MEMS麥克風(fēng)憑借微型化、一致性好、低功耗等特性更好滿足智能音箱、智能耳機(jī)、機(jī)器人等應(yīng)用的語音交互需求將受惠最大，但麥克風(fēng)陣列的應(yīng)用也將帶來技術(shù)挑戰(zhàn)。

MEMS麥克風(fēng)市場(chǎng)持續(xù)增長(zhǎng) 智能音箱促進(jìn)作用明顯

數(shù)據(jù)顯示，2016年MEMS麥克風(fēng)市場(chǎng)為9.93億美元，接近10億美元大關(guān)，加上7億美元的駐極體電容麥克風(fēng)（ECM）市場(chǎng)，整個(gè)麥克風(fēng)市場(chǎng)規(guī)模約為18億美元。市場(chǎng)研究機(jī)構(gòu)Yole Développement預(yù)估，在智能語音助理、車載等應(yīng)用的加持下，MEMS麥克風(fēng)出貨量未來五年將保持高速增長(zhǎng)態(tài)勢(shì)，復(fù)合年增長(zhǎng)率達(dá)11.3%，到2022年時(shí)年出貨量可望超過80億顆。ECM麥克風(fēng)出貨量則緩慢萎縮，到2022年時(shí)出貨量?jī)H30億顆左右。

圖1：ECM/MEMS麥克風(fēng)市場(chǎng)規(guī)模（資料來源：Yole Développement）

在亞馬遜2014年推出擁有語音助理Alexa的智能音箱Echo熱銷之后，搭載Google Assitant、Cortana、Siri等虛擬語音助理的智能音箱紛紛亮相。各大IT巨頭陸續(xù)推出智能音箱產(chǎn)品，預(yù)示著消費(fèi)類MEMS麥克風(fēng)陣列市場(chǎng)蓄勢(shì)待發(fā)。很顯然，以智能音箱為代表的智能家居產(chǎn)品將助推MEMS麥克風(fēng)市場(chǎng)的增長(zhǎng)。意法半導(dǎo)體MEMS產(chǎn)品部華南區(qū)高級(jí)市場(chǎng)工程師董愷也表示：“隨著智能產(chǎn)品在智能家居中的滲透率逐步提高，傳統(tǒng)的交互方式已經(jīng)不能滿足用戶的需求，語音作為一個(gè)重要的交互手段變得越來越流行。MEMS麥克風(fēng)作為重要的交互窗口，已經(jīng)在手機(jī)和筆記本市場(chǎng)獲得了巨大成功，智能音箱將成為MEMS麥克風(fēng)應(yīng)用的第三波浪潮?！?/p>

圖2：可穿戴設(shè)備（含Hearables）市場(chǎng)發(fā)展趨勢(shì)

遠(yuǎn)場(chǎng)語音識(shí)別面臨高SNR、AOP等挑戰(zhàn)

智能音箱未來對(duì)MEMS麥克風(fēng)市場(chǎng)將帶來促進(jìn)作用，反過來，智能音箱也將給MEMS麥克風(fēng)帶來多重挑戰(zhàn)。智能音箱作為智能家居產(chǎn)品，不同于手機(jī)語音助理和耳機(jī)語音助理的近場(chǎng)語音識(shí)別，智能音箱往往配置MEMS麥克風(fēng)陣列，采用波束成形（Beam-forming）等技術(shù)進(jìn)行降噪語音處理，從而實(shí)現(xiàn)遠(yuǎn)場(chǎng)語音識(shí)別，整個(gè)過程無需要雙手操作。對(duì)于遠(yuǎn)場(chǎng)語音拾取應(yīng)用，結(jié)合算法應(yīng)用的要求，均需要匹配高信噪比的MEMS麥克風(fēng)。麥克風(fēng)陣列應(yīng)用對(duì)于麥克風(fēng)的靈敏度一致性，信噪比一致性及相位一致性要求都是非常高的。

除了眾所周知的信噪比（SNR），聲學(xué)過載點(diǎn)（AOP）也是MEMS麥克風(fēng)重要的質(zhì)量指標(biāo)。高SNR能夠讓設(shè)備更好的實(shí)現(xiàn)遠(yuǎn)距離收音，AOP則是評(píng)估MEMS麥克風(fēng)在高聲壓水平下的性能指標(biāo)，SNR和AOP對(duì)于使用場(chǎng)景的越來越多樣化的智能語音設(shè)備來說非常重要。有報(bào)告顯示，64dB以上的高信噪比MEMS麥克風(fēng)的市場(chǎng)占有率已經(jīng)達(dá)到50%以上，對(duì)AOP的要求，很多廠商也從之前的120dB上升到130dB以上的水平。

遠(yuǎn)場(chǎng)語音識(shí)別場(chǎng)景中麥克風(fēng)的收音環(huán)境不可避免的會(huì)受到各種噪聲、混音甚至反射帶來的干擾，導(dǎo)致MEMS麥克風(fēng)對(duì)聲音信號(hào)采集和提取的準(zhǔn)確率大幅下降，從而影響語音識(shí)別的準(zhǔn)確率。此時(shí)設(shè)備就需要通過MEMS麥克風(fēng)陣列去辨別哪些是有用的聲音。另外，倘若MEMS麥克風(fēng)陣列一直在收音狀態(tài)將非常耗電，這對(duì)智能移動(dòng)設(shè)備來說是非常不適合的。因此，如何把MEMS麥克風(fēng)變得更加智能，能夠?qū)崿F(xiàn)低功耗的同時(shí)保證用戶體驗(yàn)也是一個(gè)挑戰(zhàn)。除此之外，隨著智能設(shè)備朝著小型化和多樣化的方向發(fā)展，MEMS麥克風(fēng)射頻干擾、微型化仍需提升。最后，相比傳統(tǒng)的ECM，MEMS麥克風(fēng)的成本依舊沒有優(yōu)勢(shì)。

技術(shù)指標(biāo)之外仍需考慮設(shè)計(jì)結(jié)構(gòu)及生產(chǎn)方式 算法更為關(guān)鍵

董愷表示，MEMS 麥克風(fēng)陣列對(duì)麥克風(fēng)的性能要求很高。不過，除了器件本身特性外，麥克風(fēng)算法才是產(chǎn)品能否被接受的關(guān)鍵。例如，環(huán)境噪音的過濾，MEMS麥克風(fēng)就需要通過與深度神經(jīng)網(wǎng)絡(luò)（DNN）、機(jī)器學(xué)習(xí)等技術(shù)的融合。很難去評(píng)判到底多少個(gè)麥克風(fēng)會(huì)更合適麥克風(fēng)陣列，產(chǎn)業(yè)內(nèi)的各家芯片公司、算法公司均推出了自己的陣列方案，不同的硬件和算法的搭配也推出了不少優(yōu)秀的智能音箱產(chǎn)品，因此麥克風(fēng)數(shù)量的選擇還取決于方案商產(chǎn)品的設(shè)計(jì)、定位、具體應(yīng)用場(chǎng)景等。涉及到波束成形、關(guān)鍵字喚醒等功能的實(shí)現(xiàn)，更多依賴于語音算法公司。

MEMS麥克風(fēng)未來將融合DSP 朝智能化方向發(fā)展

MEMS麥克風(fēng)的應(yīng)用趨勢(shì)是始終開啟，就像耳朵一樣，要保持一直打開的狀態(tài)。融合DSP的意義在于，簡(jiǎn)單算法麥克風(fēng)自行處理，并且滿足低功耗的要求。ST和DSP Group推出集成關(guān)鍵詞喚醒的MEMS麥克風(fēng)，幫助客戶解決低功耗麥克風(fēng)低功耗的挑戰(zhàn)，該麥克風(fēng)在微型系統(tǒng)封裝(SiP)內(nèi)集成意法半導(dǎo)體的低功耗MEMS麥克風(fēng)、DSP Group的超低功耗語音處理芯片和 Sensory的語音識(shí)別固件，利用意法半導(dǎo)體的先進(jìn)封裝技術(shù)取得了非常好的輕量型封裝、極長(zhǎng)的續(xù)航時(shí)間和先進(jìn)的功能。

隨著MEMS麥克風(fēng)成本的下降，智能音箱麥克風(fēng)陣列選擇MEMS麥克風(fēng)已經(jīng)是趨勢(shì)，并且MEMS麥克風(fēng)市場(chǎng)目前發(fā)展很好，正在進(jìn)行多領(lǐng)域開發(fā)。

對(duì)于未來MEMS麥克風(fēng)更多的應(yīng)用場(chǎng)景，董愷認(rèn)為車載市場(chǎng)將會(huì)是另一個(gè)MEMS麥克風(fēng)爆發(fā)的應(yīng)用。汽車操作系統(tǒng)聯(lián)網(wǎng)化，提供豐富應(yīng)用的同時(shí)對(duì)汽車的人機(jī)交互界面也提出了新的需求，語音作為最自然、安全的人車交互方式，必將主導(dǎo)汽車內(nèi)的交互方式。他同時(shí)表示未來幾年MEMS麥克風(fēng)市場(chǎng)會(huì)持續(xù)保持增長(zhǎng)勢(shì)頭，同時(shí)新的競(jìng)爭(zhēng)對(duì)手入場(chǎng)導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)也會(huì)更加激烈。