麻省理工科技评论（MIT Technology Review）报导，这种超便宜的语音识别芯片可用来生产便宜的对话玩偶，或是简单的家用电器，如可被语音驱动的灯。 在工业环境应用，这种芯片可辨识不寻常的声响，或是农田里的蟋蟀。
Warden 为 Google 的云端人工智能工具开发行动和嵌入式应用，称为 TensorFlow，他在开发过程中发现亚马逊的 AI 助手 Alexa 透过电池供电的简单芯片运作，频率只有几百兆赫是不够的，原因是 Alexa 必须辨识许多不同的声音，而且因为大多数语音识别 AI 工具使用的神经网络资源匮乏，这就是为什么 Alexa 必须将处理任务交给云端的原因。
为改善上述问题，Warden 限制问题的问法，譬如只能使用开、关、启动、停止等字眼，并舍弃一般语音识别算法，他拿一个音频将其切成短片段，然后计算每个片段的频率内容，接着一个接一个排列每个频率图， 以建立一个频率内容与时间的二维图像，并应用视觉辨识算法来辨识单词的独特记号。
**次尝试分析音频的 1 秒钟片段需要 800 万次计算，准确度为 89%，这可用现代智能手机运作，并且互动速度也够快，这种方式比将运算过程送到云端更好，但是在低功耗芯片上性能不佳。
后来开发团队借鉴一些帮助 Android 手机辨识短语的算法技巧后，系统只需执行 75 万次计算，就能达到 85% 的分析准确率，研究团队已经在 TensorFlow 网站发表代码供他人使用，他们打算应用在类似单芯片微控制器 Arduino 搭载的更小芯片。
但英国剑桥大学前 AI 研究员 Tony Robinson 认为，低成本策略可能可以帮助语音识别产品普及，不过用户不太可能按表操课，大多数人没有耐心使用高度限制性的指令，认为功率稍微高一点，可以处理更多语言能力的芯片， 可能更适合消费者应用。
公安机关备案号：
