看待物联网(IoT)的一种方式是将其视为赋予机器以人类特征——特别是关于我们感知世界的能力。在某种程度上，过去的努力有助于感知我们自己不太擅长的东西。比如温度，压强或者方向。

这有助于人类，然后人类可以将自己的感官与机器的感官结合起来，做出更好的决定。但如果我们能进一步让机器做我们能做的事，那么我们就可以让机器不需要我们也能做。(我知道…不太适合工作…)因此，摄像头和麦克风将取代我们的眼睛和耳朵，随着我们处理数据能力的提高，它们将扮演越来越重要的角色。

但事实证明，至少在音频方面，将音频系统整合在一起在人口统计学上是困难的。根据DSP Concepts的说法，这是因为它结合了不同技能的工程师。

一方面，你有算法。复杂的算法。就像视觉艺术受益于计算摄影等算法的爆炸式增长一样，声音的处理也变得特别复杂。

一个影响因素是使用多个麦克风以前的地方。将多个声音流整合成单一的高质量音频流绝非易事。这些算法是由专家开发的，每个算法都以特定的方式进行优化，每个算法都为派对带来了一些东西，同时牺牲了一些东西。

有一种算法可以为声音添加一些特征。它可能是关于过滤噪音，或者是关于重新平衡音乐流中的高潮和低谷，或者是关于添加一些特定的效果。尤其是音乐制作团队已经做了很多年了这里既有旧电路，也有新电路。只是现代技术让我们做得更多。

但是我们必须把这些算法集成到一个系统中。做这个的人通常和构建算法的人非常不同。他们并不知道他们使用的算法的核心是什么;他们只是知道(或想知道)特定的块对音频流有什么影响。

并不存在处理音频的最佳方式，所以也不存在不断改进的电路在任何给定时间都具有“最佳”版本的线性进展。正确的算法取决于声音的性质，录音和播放环境的性质，以及要用声音执行的任务。

目标任务的发展远远超过了过去。传统的努力已经服务于显而易见的广播和音乐产业．但是现在我们在讨论语音识别和声音以某种抽象的方式告诉我们传感器周围正在发生什么的能力。新的领域，新的算法。系统设计师该如何进行?

这是DSP Concepts试图用Audio Weaver工具解决的问题。

利用音频咨询

DSP Concepts的历史在于为客户提供定制咨询工作。通过这些努力，他们自己开发了无数的算法，并针对各种平台(ARM Cortex M4/M7/A8/A9/A15, ADI Blackfin, ADI SHARC)手工优化它们。他们现在的任务是制作这个Audio Weaver工具，将这些算法组合成一个系统。

Audio Weaver提供了一个图形界面，用于组合音频子系统。您可以将各种组件(算法是一个组件)拖放到将在PC或目标音频平台上执行的子系统中。根据DSP Concepts的说法，这是一个虚拟平台无法使用的领域——有太多的实时问题无法捕获。因此输出必须实时执行。

在这种特殊情况下，DSP Concepts提供了他们的算法，他们经过时间的磨练，以及这个工具将它们结合在一起。但他们的长期重点是工具;他们期待一个算法市场，最终使设计师能够从不同的来源获取算法IP，并进行比较，选择最好的。

这个比较过程是Audio Weaver支持的。假设你想检查一个特定的块对声音的影响。有帮助吗?它值得添加吗?或者假设你有两个或多个特定算法的实现，或者甚至有两个或多个算法方法来解决同一个问题，你想要比较它们，看看哪个最适合这个特定的平台和任务。

Audio Weaver让你构建一个带有多路复用器的系统，用于从各种块中进行选择，使用复选框用于两个，选择列表用于两个以上。块也可以被绕过或静音。但是在如何实现这些测试方面有一些细微差别。一种方法可能涉及根据选择静态生成多个系统。如果你在做简单的A/B测试，那么你会生成一个A系统和一个B系统。

(图片由DSP Concepts提供)

但是如何比较它们呢?在这种情况下，你需要加载并运行A，然后加载并运行B。当B加载并启动时，你完全依赖于你对A的声音的记忆。间隔的时间越长，你的记忆扭曲的时间就越多。我想你也可以有两个系统，先静音一个，再静音另一个，来回切换，但这对于A/B/C/D测试来说会特别麻烦。

你可能会说，“嘿，很简单:只需要录制A，然后加载B，同时播放它和A的录音。”除了通过录音和重放，你为a引入了一套全新的音频处理。所以这行不通。

您需要做的是运行A，然后单击一个复选框，然后立即听到它被B替换——来来回回，以更好地了解哪个更好。Audio Weaver可以做到这一点。

它通过将组件(或算法)代码从整个系统配置中分离出来来实现这一点。每个代码块通常都是在汇编代码级别手工制作的，因为他们说编译器通常做得不够好。

每一个组成部分都是一个函数。其中一些函数还可能具有用于调优的变量或参数。在实例化块时，Audio Weaver为每个块创建一个包含参数数据和函数指针的数据结构。在运行系统时，Audio Weaver仍然在图中，单击复选框或拨号参数只是改变表中的值或影响使用哪个函数指针。

这意味着您可以进行更改和优化系统，而无需重新编译或在比较的配置之间引起任何延迟。您可以立即听到您所做的任何更改的效果。

Audio Weaver还允许你进行分层设计，所以你可以将组件的组合收集到一个可以多次实例化的块中，或者可以使用复选框来启用/禁用它来测试其有效性。

对于算法和IP开发人员，也可以将Audio Weaver链接到Matlab，让Matlab生成滤波器系数等Audio Weaver的奴隶。

如果您的实际硬件平台还没有准备好，您可以使用PC -只要您使用的扬声器和音频处理输出的所有下游都与实际目标硬件相同。当生成一个用于生产的系统时，Audio Weaver将不再出现在画面中，但数据结构仍然被使用，使系统调整直到最后一刻。

DSP Concepts专注于低水平的声音处理。例如，他们不这样做语音识别它们为语音识别工具提供了音质，这将使语音识别算法更容易，但这些算法是在Audio Weaver生成的内容之上分层的。

DSP Concepts似乎正处于一个过渡期，从严格意义上的咨询业务转变为拥有收缩包装产品的公司。例如，目前还没有具体的新闻公告详细介绍Audio Weaver的发布。它给人一种“试营业”的感觉，计划发布更多的公告。

但是你可以去下载一个免费版本的Audio Weaver(也有付费版本有更多的功能)。如果他们能够兑现承诺，那么你就可以节省大量的开发时间。

更多信息:

DSP概念的音频编织器

• 
• 
• 
• 
•