飞利信实现GTCRN架构全量移植至XMOS XU316边缘芯片

远程会议、TWS耳机、车载语音、具身


机器人


大规模普及，语音交互场景对降噪提出双重诉求：既要把各类环境噪声有效抑制，又要控制算法延时、完整保留人声保真度。长期以来，低延时与保真是端侧语音降噪难以平衡的行业矛盾。

近日，飞利信声学实验室端侧


AI


研发团队完成重大工程突破：实现GTCRN架构全量移植至XMOS XU316边缘芯片，完成端侧定点推理引擎全流程落地，在资源受限的硬件平台上达成16kHz/32bit实时流水线处理。这意味着超低延时AI语音降噪技术正式具备量产交付能力。

突破端侧算力桎梏，小模型释放边缘芯片算力

传统AI降噪


算法


大多依赖云端算力或者高性能


GPU


，很难部署在耳机、会议终端这类存储、功耗资源紧张的边缘设备。飞利信声学实验室从算法量化优化与硬件协同两个维度攻坚，充分挖掘XMOS XU316微算力平台潜力。

混合精度量化，极致压缩模型体积

采用int16整型+BFP块浮点混合精度量化方案，在几乎无损保留浮点推理精度前提下，模型权重压缩至约60KB，整体算法体积仅280KB。整套算法可完整载入XMOS XU316片上S


RAM


，规避外部存储器读取带来的额外延迟。

硬件指令深度适配，实现毫秒级推理

团队针对XMOS VPU向量处理单元定制专用内核，最大化发挥硬件并行计算优势。实测在256帧长处理流水下，单次完整推理耗时仅11.3ms，为终端带来近乎无感的实时降噪体验。

七层GTCRN网络，降噪不“伤声”

不同于RNNoise等传统轻量级降噪算法，在压制噪声过程中容易造成人声失真、音色受损，GTCRN采用Preprocessing → Enc/Dec Conv2d → GTConv → DPGRNN → Post七层轻量化网络结构，在时频域完成精细化噪声分离。

通过Babble人声噪声、键盘噪声、白噪声、雨声等多组5dB信噪比条件下测试，语谱图直观对比可见：GTCRN可以高效抑制稳态、非稳态各类环境干扰，最大程度保留语音谐波结构，输出语音清晰度与人声自然度表现优异，充分满足商务会议等高标准


音频


场景要求。

GTCRN（Grouped


Te


mporal Convolu


ti


onal Recurrent Network）由南京大学现代声学教育部重点实验室与地平线机器人联合研发，成果发表于语音领域顶会ICASSP 2024，属于业内参数量小、端侧推理效率领先的语音增强网络。

全链路工程落地，多场景开启商业化空间

本次并非单纯算法验证，而是一套完整商业级工程交付。团队打通算法训练、定点化


仿真


、硬件指令集适配全链路，打造出高可移植的端侧AI音频能力底座。技术能力可快速复用到多个高增长赛道：

智能会议终端

本地完成AI降噪运算，无需云端传输音频数据，兼顾拾音效果与企业数据隐私，适配全向麦、会议麦克风等设备。

TWS


蓝牙


耳机

在极小内存与功耗预算内实现通话降噪、环境音增强，改善通勤、嘈杂环境下的通话质量。

车载语音交互

有效抑制行车风噪、胎噪、发动机噪音，为智能座舱提供干净语音


信号


，提升车机


语音识别


成功率。

具身智能机器人

家庭、工业嘈杂环境下实现高质量远场拾音，解决机器人“听不清”的痛点，助力语音交互能力落地。

飞利信声学实验室后续将把GTCRN封装为标准化软件模组与IP产品矩阵，向行业开放输出，帮助各类硬件厂商快速为终端设备搭载高性能AI降噪能力。

写在最后

GTCRN在XMOS XU316平台的全量移植量产落地，验证了“小模型、大效果、快落地”的边缘AI商业化路径。既为会议音频设备提供可靠的端侧降噪底座，也将持续赋能车载、机器人等新兴产业，助力国内端侧音频AI产业链构筑核心竞争力。

关于飞利信声学实验室

飞利信声学实验室是北京飞利信科技股份有限公司（300287.SZ）旗下核心研发机构，二十余年深耕智能语音信号处理、远场拾音、AI降噪以及


嵌入式


音频系统。坚持全栈自研、场景驱动、量产验证，面向政务会议、企业协作、车载交互、具身智能机器人等行业输出成熟音频解决方案。