HW-VAD的概念
VAD（Voice Activity Detection語音激活檢測）是用于檢測目前輸入信号中是否有語音的技術。VAD一般會綜合分析輸入信号的能量特征，以及頻譜特征等資訊判斷是否存在語音。
VAD可以通過軟體或硬體來實作，使用軟體檢測時稱為SW-VAD，使用硬體檢測時稱為HW-VAD。
SW-VAD vs HW-VAD
基于SW-VAD 的語音處理結構
基于SW-VAD的語音處理結構示意圖如上圖所示，語音經ADC模數轉換後，經資料總線傳遞給處理器（CPU/DSP），語音首先經過軟體實作的VAD算法判斷是否包含語音資訊，當判斷存在語音資訊後，再将語音資訊傳遞給後續步驟，依次為關鍵字識别（Keyword Spotting），語音識别（Speech Recognition），以及自然語言處理（Natural Language Processing）。
一般情況下，端側的處理能力達不到語音識别和自然語言處理的要求，相關算法需要更高算力的系統來實作。
基于HW-VAD 的語音處理結構
基于HW-VAD的語音處理結構示意圖如上圖所示。當沒有語音資訊時，關鍵字識别（Keyword Spotting）相關的處理器（CPU/DSP）處在低功耗區域内，保持等待喚醒的低功耗狀态。當HW-VAD檢測到包含語音資訊後，HW-VAD發出wakeup的信号喚醒低功耗區域，被喚醒的處理器做進一步的關鍵字識别（Keyword Spotting）操作；然後再依次完成語音識别，自然語言處理等步驟。
需要說明的是，HW-VAD模式時，低功耗區域是處于時鐘被關閉的狀态，但這些區域仍帶電。是以，HW-VAD模式僅能消除由信号翻轉等因素導緻的動态功耗，但無法消除由漏電流引起的靜态功耗。
另外，為了更高的內建度，有的HW-VAD IP會将ADC做到其内部，對外呈現為模拟接口。
HW-VAD模式較SW-VAD模式的優勢
HW-VAD模式相較于SW-VAD模式，優勢在于功耗低。SW-VAD模式時，需要執行SW-VAD算法的CPU或DSP保持在運作狀；而在HW-VAD模式時，相關的CPU或DSP可以保持在等待喚醒的低功耗狀态，而不是運作狀态，是以大大降低了監聽狀态下的功耗。
HW-VAD vs Standby
Standby模式簡介
在低功耗設計中，經常會有Standby模式，在該模式下，晶片大部分區域都處于掉電狀态，僅保留小部分區域帶電。小部分一直帶電的區域被稱作永遠開啟區域（AON，Always ON domain），該AON區域保證晶片可以從Standby模式恢複到工作狀态。
Standby模式既消除了動态功耗，也消除了靜态功耗，是維持晶片能夠工作的最低功耗的模式。
HW-VAD模式與Standby模式的選擇
從功耗的角度來分析，HW-VAD模式仍會産生靜态功耗，比Standby模式的功耗，即HW-VAD模式的功耗比Standby模式高。這樣看，似乎選擇Standby模式更為合理。
但是，從實際晶片工作的場景來分析，則會産生一個相反的結論，即選擇HW-VAD模式。
選擇HW-VAD模式的原因是從喚醒時間來考慮的。低功耗區域如果從HW-VAD模式喚醒，僅需要打開時鐘使能，喚醒處理器即可，整個過程在微秒（us）級别完成；但如果從Standby模式喚醒，則需要将低功耗區域從掉電狀态下喚醒，整個過程需要幾十毫秒（ms）級别的時間才能完成。
喚醒時間達到幾十毫秒以後，會産生如下問題： 1.增加裝置的喚醒時間，影響客戶對裝置反應速度的感受； 2.喚醒時間内使用者說的語音會丢失，處理器的“關鍵字識别（Keyword Spotting）”的識别率會降低，即降低正确喚醒裝置的機率。嚴重時，客戶必須說兩次才能喚醒裝置，影響客戶體驗。
綜上，雖然Standby模式有更低的功耗，但是Standby模式無法達到客戶對于語音裝置的感受的要求。最終還是選擇采用在HW-VAD模式，不掉電的情況下喚醒裝置。
原文作者：藍空
點選檢視原文