語音助理已然躍居智慧家庭關鍵應用。根據IDC研究指出，包括亞馬遜Echo和Google Home等智慧喇叭，在所有智慧家庭裝置當中，將會是成長速度最快的類別；預估，2022年智慧喇叭市場值將可達174.31億美元，從2017年至2022年的年平均複合成長率達32%。而隨著智慧型裝置持續進化，語音控制的發展將可使智慧生活更貼近人性，MEMS麥克風的重要性也與日俱增，MEMS麥克風供應商因而加速提升其性能。
SNR/相位一致性為麥克風關鍵參數
鑫創科技市場行銷二處技術經理曾建統(圖1)表示，要提升麥克風性能，主要目標便是提高訊號雜訊比(SNR)，以及提高單體間相位一致性。
由於麥克風為聲波轉電訊號的感測器，於轉換過程中會有時間上的延遲；若每個麥克風的時間延遲一致性越高，而非有些麥克風延遲大，有些麥克風延遲小，對於聲音來源的判斷準確度就會更高，這也就是所謂的相位一致性。
換言之，相位一致性是能保證遠距收音的指標特性，可讓指向性收音的波束成形演算法計算誤差降低，若要使搭載多麥克風的裝置能準確判斷聲音來源，便須設法將裝置內麥克風的訊號轉換延遲性趨於一致。
除了相位一致性外，提高SNR也是強化麥克風性能的關鍵指標之一。曾建統指出，麥克風本身存在著所謂的「底噪」，而當收進來的聲音小於這個底噪時，就會隱藏在底噪中無法聽到；而提高SNR，便是為了降低底噪的干擾。
曾建統說明，底噪來源分為兩種，一種是電訊號(電路訊號干擾)，這須靠半導體製程和電路設計加以克服；另一種則是熱擾動。由於麥克風的震膜相當敏感，接收到很輕的聲壓就會產生震動(確保收音靈敏性)，卻也因此容易受到空氣中的粒子隨意碰撞而產生震動，因而產生雜訊，這也就是所謂的熱擾動。而要克服熱擾動，便須改善麥克風震膜的結構設計，使其仍可符合聲音系數，收到很輕的聲壓，卻又不會因熱擾動的影響而過度震動產生雜訊。
綜上所述，提高SNR與提高單體間相位一致性目的均是為了提高語音辨識正確率，而相位一致性仍是能保證遠距收音的指標特性，再來是SNR。兩者功用不同，相位一致性可讓指向性收音的波束成形演算法計算誤差降低，提高系統SNR；至於提升單體SNR也會有效，但麥克風仍會收到周圍環境的噪音，所以相較之下，相位一致性對於麥克風收音的實際影響較高。
雙背板設計展妙用 AOP參數更上層樓
英飛凌(Infineon)大中華區行銷經理鍾至仁表示(圖2)，毫無疑問的，MEMS麥克風的設計重點在於追求更高的SNR。聲壓位準隨著距離而下降，以智慧音箱為例，當在近距離下指令給智慧裝置時，聲壓約有55dB，當距離拉長至2~5m時，聲壓約降至45dB, 距離大於5m時，僅剩下25~30dB，而25dB已是定義中的Whispered Voice。換句話說，隨著距離變遠，音量亦呈現衰減，因此如何避免距離和音量衰減因素影響收音成效和準確度的問題，提升麥克風靈敏度遂成為主要設計架構重點，也是未來麥克風的發展趨勢。
不過，為提高SNR，從物理特性上來說麥克風的體積也需要跟著變大(薄膜振盪空間需求變大)，然而現今有越來越多的小型化設備也需求高SNR品質，因此如何在追求高SNR時，同時滿足這些小型化裝置體積的需求，將是未來的主要挑戰。
然而，除了SNR外，聲學過載點(AOP)也是麥克風重要的設計參數之一。對此，鐘至仁指出，此參數決定麥克風能夠偵測出的最高訊號位準。舉例來說，在演唱會現場的聲壓可達128dB，如果以目前市面上通用型(未達128dB)的手機麥克風在現場錄音，就會因為超過其AOP而產生失真，無法擷取完整音訊，產生破音；但若是採用高動態範圍的麥克風，甚至在搖滾演唱會的第一排，都能夠錄下高音質的聲音。
也因此，繼SNR之外，提高AOP也是MEMS麥克風供應商致力發展的方向之一；不過，要提升AOP，還須克服當處理較大聲壓位準時，薄膜產生大程度震動，在薄膜移動至極限時造成失真的挑戰。為此，該公司便採用雙背板(Dual back-plate)MEMS結構，將薄膜嵌入在兩個背板之間，成為對稱式結構，可最大幅度減少失真。雙背板裝置也更為強固，可對抗風聲問題。
鐘至仁說明，由於AOP較高的單背板(Single back-plate)裝置製造商一般使用濾波器消除低頻風聲，會對音訊品質造成影響；同時濾波器也會移除低音，這在錄製音樂時會產生影響，畢竟低音是一切重點所在。而雙背板設計能獲得更佳的高頻抗擾性，實現更出色的音訊訊號處理，並將10%總諧波失真(THD)的聲學過載點提升到130dB聲壓，產生更佳的訊號品質。如此一來可讓使用者從兩倍遠的距離說出語音指令，但麥克風仍截取到同質的音訊。
邊緣運算興起 智慧麥克風蓄勢待發
另一方面，麥克風於設計上除須考量SNR、相位一致性及AOP之外，隨著各式語音創新應用服務興起，加上日漸增加的資料處理需求，MEMS麥克風的設計，也開始導入邊緣運算。
為此，樓式電子(Knowles)不久前所推出的新一代智慧麥克風「IA-610」便是結合邊緣運算設計。該產品將高性能SiSonic MEMS技術與先進DSP整合到單顆微型封裝中，使得原始設備製造商(OEM)和第三方軟體開發人員可以創建和制訂更先進的功能，並簡化了音頻設計，大幅降低系統整體成本；且該產品還可實現語音命令喚醒、空間錄音及聲學事件探測等功能，如玻璃破碎或嬰兒啼哭等。
另外，該產品還是首款使用MIPI SoundWire介面的嵌入式元件，因而簡化整合設計過程，降低設計複雜性，並降低成本、pin腳數和功耗；並支援主要的音頻和數據介面，如PDM、I2S、SDW、UART以及I2C等，且包含一款低功率聲音探測器(LPSD)，以及一款包含聲學活動探測技術的音頻處理演算法。
樓式電子高級產品管理總監王宇飛表示，語音應用將越來越廣泛，未來將不僅限於智慧音箱，諸如電視機、遙控器等電子產品都有可能添加語音功能。SNR和AOP依舊是提升單顆麥克風性能的要素，但在應用逐漸擴展和資料持續增加的情況下，麥克風也進入了「邊緣運算」的世代，資料處理從雲端慢慢轉至裝置端；再加上某些裝置是屬於近場應用(如電視遙控器、手機)，須具備常時開啟功能(Always-on)，因此也須有低功耗、高可靠度等特性，為此該公司便將MEMS麥克風結合DSP，提升整體效能。
另一方面，除了IA-610外，樓式也備有新一代音訊處理器平台「IA8508」，以提升多麥克風遠場應用裝置(如數位語音助理、智慧喇叭或是電視等家電)語音辨識率和處理效能。
樓式電子中國區董事總經理陸文杰指出，音頻處理(如SNR、AOP)是MEMS麥克風一直以來的發展重點，然而，隨著語音助理需求增加，服務也越來越多元化，使得多麥克風的遠場應用，也成了未來值得關注的事情之一。且如上所述，現今的資料運算慢慢從雲端轉至裝置端，也因此，需要一個更高效能的平台因應資料處理需求。
新款音訊處理器平台特色包括：支援多達八個麥克風的陣列，並配有四個異構核心，利用其5.7MB的記憶體可同時執行高效能演算法；具優化的單樣本處理器(SSP)核心，以確保低延遲；具有低功耗核心，可以同時監聽各種關鍵短語；以及經優化的指令集，可使複雜的音訊處理和機器學習執行更有效率等。
麥克風市場競爭烈 找出差異化是關鍵
綜上所述，各大MEMS麥克風供應商皆致力提升MEMS麥克風效能，而隨著麥克風需求增加，市場競爭也越來越激烈，如何為MEMS麥克風找出更佳的「賣點」，是供應商的一大挑戰。意法半導體(ST)便採用SiP封裝的方式，將麥克風與其他感測器相整合，除了因應更多創新應用之外，還可降低終端產品業者的開發時間和複雜度。
意法半導體亞太區產品行銷經理陳建成(圖3)指出，提高SNR、AOP和相位一致性等參數是MEMS麥克風不變的發展趨勢，而在各家業者技術和產品規格相差無幾的情況下，如何找出新的「賣點」，是供應商須不停思考的事情。
陳建成進一步說明，以遙控器為例，為了提升消費者使用體驗，遙控器上面可能不僅有語音功能，可能還增添了體感功能，讓消費者揮動雙手也能操控(例如換頻道、遊戲互動等)。而要達到上述功能，遙控器上不只需有MEMS麥克風，還需要有加速度計；而ST的優勢便在於有完整的MEMS感測器產品線，如麥克風、加速度計，或是溫度/環境感測器等皆涵蓋其中，因此可採用SiP封裝的方式，整合麥克風與加速度計，進而減低終端產品業者的商品開發時間與複雜度。
陳建成表示，原本用SiP封裝整合MEMS麥克風與其他感測器多是用於工業市場(測機台震動頻率和噪音等)，但隨著語音控制在大眾消費市場快速興起，從原本的手機、電腦慢慢擴散到其他裝置，如電視、喇叭等，且隨著各種消費裝置上的感測器愈來愈多的情況下，便逐漸將此一作法移至消費性產品，不僅簡化終端產品的設計難度，也藉此在競爭激烈的MEMS麥克風市場中找出差異化的優勢。
