Voce-testo tramite circuiti elettronici: pipeline hardware del riconoscimento vocale

Convertire voce in testo con circuiti elettronici

Il riconoscimento vocale moderno è **software-dipendente**, ma la **pipeline hardware front-end** è pura elettronica. Ecco la catena del segnale:

1. Front-end acustico

• Microfono MEMS — output tensione analogica (PDM o digitale I²S).
• Preamplificatore + Filtro anti-aliasing — banda passante 20-20 kHz.

2. Conversione analogico-digitale (ADC)

• ADC Sigma-Delta (es. 24-bit, 48/96/192 kHz).
• Output **PCM** o **PDM** al DSP/SoC.

3. Processore di segnale digitale (DSP) / NPU

• Frame blocking: frame 20-30 ms, sovrapposizione 10 ms.
• Windowing: Hamming/Hann.
• Estrazione caratteristiche: **MFCC** (Mel-Frequency Cepstral Coefficients) — 13-40 coeff/frame. Oppure **Filter Banks**, **PLP**, **Spettrogrammi** (per NN end-to-end).
• VAD (Voice Activity Detection): Energia + flusso spettrale → cancella frame.

4. Modello acustico (rete neurale)

• Input: Vettori caratteristiche (MFCC / log-mel).
• Architettura: TDNN, LSTM, Transformer, Conformer, QuartzNet.
• Output: **Posteriori Senone / Fonema / Grapema** (probabilità per passo temporale).
• Hardware: CPU (ARM Cortex-A), DSP (Hexagon, Cadence), **NPU / AI Accelerator** (Google Edge TPU, Apple Neural Engine, NVIDIA DLA).

5. Modello linguistico

• N-gram (WFST) o **Neural LM** (decoder Transformer).
• Limita l'output acustico a parole/sequenze valide.
• Può essere **on-device** (piccolo) o **cloud** (grande).

6. Decoder (ricerca)

• Viterbi / Beam Search su grafico **HMM / WFST**.
• Produce **sequenza parole migliore** + punteggi di confidenza.

7. Post-elaborazione

• Normalizzazione testo inversa (numeri, date, punteggiatura).
• Diarizzazione altoparlanti, filtro parolacce, boost vocabolario personalizzato.

Chip integrati (esempi)

Chip	Interfaccia microfono	Core AI	Caso d'uso
Knowles IA61x	PDM	DSP + tiny NN	Keyword spot always-on
Synaptics SYN43711	I²S/PDM	NPU 1 TOPS	Smart speaker, telecomando TV
Google Edge TPU	—	4 TOPS INT8	Scheda dev Coral, ASR on-device
Apple Neural Engine	—	>15 TOPS	Siri iPhone, dettatura

Riepilogo

I circuiti elettronici gestiscono **acquisizione → ADC → estrazione caratteristiche**. Il **lavoro pesante (modelli acustici + linguistici + decodifica)** gira su **processori programmabili / NPU** — non logica fissa. Il moderno "circuito" = **SoC + firmware + pesi del modello**.