MATRIX Voice ist eine Open-Source Spracherkennungsplattform, bestehend aus einem kreisrunden Entwicklungsboard mit sieben MEMS-Mikrofonen und zugehöriger Software.
Auf der Hardwareseite bietet die Plattform sieben im Kreis angeordnete MEMS-Mikrofone (MP34DB02), die von einem Xilinx Spartan6FPGA (XC6SLX4) angesteuert werden. Diesem stehen 64 Mbit SDRAM und 64 Mbit Flash zur Verfügung. 18 RGBW-LEDs und vor allem die 64 GPIO-Pins erlauben eigene Erweiterungen.
Das Entwicklungsboard gibt es in zwei Ausführungen: als Erweiterungsplatine für den [Raspberry Pi](/articles/Raspberry Pi) oder als Standalone-Version mit einem zusätzlichen ESP32. Letztere bietet dann zusätzlich Wifi nach 802.11bgn und Bluetooth 4.0 LE.
Die zugehörige Software bildet einen vollständigen Software-Stack um mit Python oder JavaScript eigene Anwendungen zu entwickeln. So gibt es zum Beispiel den Zugriff auf Alexa Voice Services als Demo-Anwendung. Da alle Quellen der Software offen liegen steht auch dem tieferen Einstieg in das System nichts im Wege.
Vielleicht eine interessante Alternative zu Cloudabhängigen Services wie
Amazon Alexa und um sich seinen ganz eigenen Jarvis zu bauen!
Aber ist das Ding dann auch für andere Sprachen außer Englisch geeignet?
Die Hardware macht an sich keine Spracherkennung, dazu brauchst du
entweder einen Cloud-Service oder einen eigenen Rechner (z.B. RasPi).
Alexa Voice Service kann auch Deutsch. Für PocketSphinx als
Offline-Spracherkenner gibt es anscheinend auch ein deutsches Modell,
aber daraus etwas funktionierendes zu basteln wird wohl recht aufwendig.
Crazy H. schrieb:> Für was 7 Mikrofone?
Deren eigene Aussagen:
- Far-field Voice Capture
- Beamforming
- Acoustic Source Location
- Noise Suppression
- De-reverbation
- Acoustic Echo Cancelation
Grundsätzlich ist es mit einem Mikrofon schwieriger, unterschiedliche
Geräuschquellen zu trennen. Mit mehren Mikrofonen lässt sich da mit
digitaler Signalverarbeitung vieles machen. Wenn die dafür gute
"Software" für haben wäre das schon sehr interessant.
Was ich mich dazu frage: Wie sieht es mit Gehäusen aus? Das wird die
Charakteristik der Mikrofone wahrscheinlich ändern. Dann könnte die
Anpassung schwierig werden...
Ich stelle mir gerade vor, wie das sukzessive in Zügen oder überhaupt im
gesamten öffentlichen Raum verbaut wird, um zusammen mit den
Überwachungs-Kamerafilmen eine perfekte Orwell'sche Überwachungscloud zu
bauen, in der man jedes Gespräch gezielt belauschen kann. Im
flächendeckenden Wlanfeld kann man dann jede Körperbewegung detektieren.
Die Handies machen auch noch mit. Alles hängt am Internet. Die stetig
ansteigende Wlandosis (auf verschiedenen Frequenzen) in dieser Cloud von
IoT's wird aber vermutlich rechtzeitig Bürgers Gehirne kochen, dann
merken wir nichts mehr von unserem Glück ;-) und die
Gesundheits-Krebsindustrie freut sich auch.
Auf jedem Fall kann man mit diesem "Matrix-Ding" interessante Sachen
machen auch ohne Überwachung. Alles hat halt zwei Seiten...
Aber vermutlich wird sich die Menschheit doch in/mit diesem Orwellschen
Hyper(t)raum-Dingen versklaven lassen. Oh das blinkt so schön...
Wozu aufwändig das öffentlich gesprochene Wort abhören wenn jeder Idiot
alles auf Facebook teilen will. Da hat man es sofort schriftlich und
auch noch den Namen dazu.
wenn man schon alles mitteilen und messen muss, dann wenistens mit mehr
Licht (Laser, IR, Glasfaser, etc.) zur Datenübertragung in die
Internetcloud und weniger Wlan. Sonst wird es irgendwann kochend
ungesund für Mensch und Pflanzen. Das beweisen diverse Studien. Wer
alles über das Internet kontrollieren will, läuft allerdings auch in
Gefahr selbst (destruktiv) kontrolliert zu werden. Man muss sich nur
vorstellen, dass Auto oder Heizung
über das Internet ansprechbar und damit auch hackbar sind. Oder auch
dass das gesprochene Wort in der Cloud (hackbar) rumschwebt,
gespeichert, vertextet, semantisch analysiert, zusammengeführt mit den
anderen Daten der digitalen Personalakte...zu Marketingzwecken,
etc..verkauft wird...
Oder dass Monate an gesprochenen Worten unzähliger Menschen, zusammen
mit den zugehörigen Kamerashots, einfach so auf einem sehr leicht
hackbaren Raspberry Pi mit Cloudanbindung verweilen? Die Cloud, wie auch
What's ape melden dann sowieso alles an das Gesichtsbuch und verknüpfen
die Daten.
Nope, gab ein Update (schon vor ein paar Tagen):
Note on Shipping Fees
We are happy to announce that our amazing logistics team was able to
secure lower shipping fees for international orders. From $41 to now,
$15 for shipment of single unit perks, and $24 for perks containing
kits. If you are an international buyer of MATRIX Voice, we will refund
the variance of $26 ($41-$15) you had already paid for shipping. Our
goal is to provide the best value and we are constantly pushing the
boundaries to make that happen!
Team MATRIX
Warum kann ich jetzt 7 Minuten später nicht mehr editieren?
FPGA_Noob schrieb:> Nope, gab ein Update (schon vor ein paar Tagen):
Bin halt nach der Indigogo Seite gegangen, da war es gestern noch so.
Aber die FPGA Sachen scheinen tatsächlich von "OpenSource"
ausgeschlossen zu sein ?!
Dennis X. schrieb:> Aber die FPGA Sachen scheinen tatsächlich von "OpenSource"> ausgeschlossen zu sein ?!
Das wäre wirklich sehr schade.
Ich hab aber möglicherweise was gefunden.
Auf github gibt es scheinbar noch keine Quellen für den matrix-voice.
Aber deren Produkt Matrix-creator scheint ähnlich zu sein.
Möglicherweise der Audio/FPGA Teil identisch? nur den Rest(ZigBee, MCU,
..) weggelassen.
Für den Matrix-creator scheinen dies die FPGA Quellen zu sein:
https://github.com/matrix-io/matrix-creator-fpga
S. R. schrieb:> Crazy H. schrieb:>> Für was 7 Mikrofone? Außer man will ne Akustikkamera bauen.>> Bessere Unterdrückung von Störgeräuschen.
Ja schon, aber müssten dafür die Mikrofone nicht sinnvollerweise etwas
weiter auseinander sein?
Zum einen haben die Mikrofone sicherlich eine (schwache)
Richtcharakteristik, zum anderen hast du 7 Stück davon und nicht nur
zwei wie am Kopf.
Das sollte das mehr als genug ausgleichen.
Die Mikrofone sind omnidirektional. Es gibt zwar mittlerweile auch
MEMS-Mikrofone mit Richtcharakteristik, wenn man aber sowieso
Beamforming machen möchte bringt das nichts, man hat nur einen höheren
Rauschpegel, und der Toleranzbereich der Mikrofonempfindlichkeit ist
größer. Am besten nimmt man omnidirektionale Mikrofone und stellt die
Richtcharakteristik durch entsprechende Anordnung der Mikrofone und
Beamforming her.
Bemerkenswert finde ich, dass fast 24.500 Dollar zusammen gekommen sind
und das von "nur" 264 Unterstützern. Das sind fast 93 Dollar pro Kopf.
Sicher sind da wohl auch finanzkräftige Spender darunter.
Marco G. schrieb:> So gibt es zum Beispiel den Zugriff auf Alexa Voice Services als> Demo-Anwendung.
Musste sofort an die neue Werbung von Amazon für dieses Alexa denken.
Was wird wohl Amazon davon haben?
Martin schrieb:> MEMS Mikrophone? Mit 62dB SNR wie vor 50 Jahren?
Hier geht es um Sprache, nicht um die originlgetreue Aufnahme eines
Konzertstückes. Bei ersterem kann man Störgeräusche und Rauschen per
Software unterdrücken, bei letzterem nicht.
Das Ding ist zur Anwendung in akustisch "dreckigen" Umgebungen wie einem
Wohnzimmer gedacht. Da würde dir ein top rauscharmes Studiomikrofon
wenig bringen - lieber mehrere billige Mikrofone, die einem dafür die
räumliche Information zur Filterung des Umgebungsgeräusches bieten (und
das Eigenrauschen lässt sich durch Kombination der Mikrofonsignale auch
reduzieren).
Hallo zusammen!
Hat Jemand Idee, ob man die Mikrofone auch in der Höhe (durch
Röhrchen/Abstandshalter) versetzen kann, ohne die elektrische
Eigenschaften zu verletzen? Es muss ein 3D-Mikrofon Array gebaut werden
und die Signale von Mikrofone aufgezeichnet werden/ ans PC
weitergeleitet werden.
Grüße
Alex
Matrix_voice.jpg
(41 KB)