Komprese kodeků u čtecích per: srovnání MP3 vs AAC vs Opus

Cílová skupina: Tento článek je určen pro kupce OEM/ODM hardwaru, produktové manažery edtech projektů a lokalizační leadery, kteří musí zvolit správný zvukový kodek při zadávání výroby řady čtecích per. Předpokládá se, že již víte, co jsou OID kódy, a že hodnotíte kodeky pro výrobní sérii 2026.

Čtecí pera dodávají zvuk stejně jako slovníky dodávají slova: po megabajtech, ne po slovech. Obrázková kniha pro rané čtenáře o 32 stranách nese mezi 180 a 420 zvukovými klipy vyprávění, fonetiky, zvukových efektů a dvojjazyčných výzev. Zvolíte-li špatný kodek, vašich 8 GB NAND buď přestane stačit u 14. titulu, nebo se váš SoC přehřeje při dekódování a dodavatel bude muset přepisovat firmware uprostřed sériové výroby. Tento článek srovnává MP3, AAC-LC a Opus podle metrik, které skutečně rozhodují o tom, zda program čtecího pera odstartuje včas a zůstane v rozpočtu: komprimovaná velikost, subjektivní srozumitelnost, náklady na MIPS, licencování a tolerance k levným reproduktorům. U jedenácti aktuálních modelů — B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 a Y6 — jsou uvedena reálná čísla ze strany dekodéru, převzatá z našeho aktuálního stromu firmwaru. Cílem je poskytnout vám obhajitelné rozhodnutí o kodeku, které můžete zapsat do nákupní specifikace, ne vágní preferenci pro „ten moderní“.

1. Proč je volba kodeku obchodní, nikoli technické rozhodnutí

Kodek, který zvolíte pro čtecí pero, má pět obchodních důsledků. Za prvé, určuje velikost zvukového oddílu v NAND, a tím i náklady na kusovník za jedno SKU — každý 1 MB ušetřený na audiu při 32 kbps mono je přibližně 0,018 USD na NAND při sérii 1 000 kusů podle současných cen waferů v roce 2026. Za druhé, rozhoduje, zda má hostitelský SoC dostatečnou rezervu MIPS pro dekódování současně se skenováním OID, vykreslováním TTS, BLE a obnovováním LCD. Za třetí, stanovuje vaši licenční expozici za kus, pokud kodek vyžaduje licenční poplatek. Za čtvrté, formuje váš lokalizační příběh, protože každý přidaný jazyk vyžaduje přibližně 80–160 MB zvukových aktiv a komprimační poměr kodeku se v jazycích násobí. Za páté, ovlivňuje spolehlivost v terénu, protože chování při skrývání chyb za současného provozu Wi-Fi nebo v blízkosti dětského tabletu se mezi kodeky liší.

Pro dovozce hodnotícího ODM je praktická otázka ne „který kodek je nejlepší“ v absolutním audiofilském smyslu — žádný z nich se nepoužívá pro mastering hudby — ale spíše „který kodek mi dá nejmenší spolehlivý soubor, který třída D zesilovač za 1,40 USD pohánějící 16mm Mylar reproduktor dokáže ještě nechat srozumitelný, když s ním v hlučné třídě šťouchá šestileté dítě“. Vše níže je hodnoceno právě proti tomuto omezení.

Tip pro kupujícího: Pokud vám dodavatel sdělí velikost zvukových aktiv, aniž by uvedl kodek, vzorkovací frekvenci a počet kanálů, berte toto číslo jako marketingový text. Vždy ukotvěte trojici (kodek, kHz, kanály) v Příloze B smlouvy ještě před uvolněním nástrojů.

2. Výchozí linie kodeků pro 11 modelů

Portfolio čtecích per aktuálně používá tři různé strategie kodeků a jakýkoli nový build firmwaru musí udržet všechny tři v provozu. Níže uvedená tabulka je výchozí linií, proti které jsou později v tomto článku měřena všechna kompresní čísla. Soubory jsou normalizovány na 22 050 Hz mono 16bit PCM ve studiovém masteru, poté překódovány na cílový kodek a bitrate. Čísla odrážejí produkční firmware ve 3. čtvrtletí 2026.

Portfolio záměrně pokrývá tři generace. Skupina B1/B2/F8/P2 je postavena kolem starších SoC třídy Cortex-A, kde by Opus posunul rozpočet dekodéru nad komfortní meze. Skupina K7/KF1/Q6/Q8 má MIPS rezervu pro běh všech tří kodeků. Skupina L5/T2/Y6 je nová platforma a jako výchozí používá Opus, aby využila jeho kompresní efektivitu.

3. MP3 — Patentově volná zóna komfortu

MP3 (MPEG-1/2 Audio Layer III) je kodek, který zná každý importér a který umí enkódovat každý content tým. Po vypršení patentu v roce 2017 je formát bezpoplatkový jak pro enkodér, tak pro dekodér, což odstraňuje právní proměnnou z diskuse o BOM. Na B1, B2, F8 a P2 stále používáme MP3 částečně z tohoto důvodu a částečně proto, že kodek dekóduje s rezervou pod 30 MIPS na jádru Cortex-A5 a ponechává dostatek cyklů pro současný OID lookup i obnovování LCD.

Kompresní profil na firmwaru F8 při 96 kb/s mono, 22,05 kHz, je náš referenční bod. Třicetisekundový úsek vyprávění se komprimuje na 360 KB; typická kniha pro začínající čtenáře s 220 klipy má celkem 26,1 MB, plus 4,8 MB fonetických zvuků navíc. Známá slabina MP3 je pre-echo u přechodového materiálu, což jsou přesně činely, perkusivní souhlásky jako /t/ a /k/ a zvukové efekty. Kompenzujeme to omezením enkodérů na LAME -q 2 a vypnutím bit-reservoaru u souborů kratších než 800 ms. Subjektivní srozumitelnost pro vyprávění je přijatelná asi do 80 kb/s mono na malém reproduktoru; pod touto hodnotou mizí pásmo nad 12 kHz a sykavky ztrácejí ostrost.

Výhodou, o které se nemluví, je, že každá audio pracovní stanice, každý zvukový inženýr a každé content studio dokáže vyrobit MP3 bez pomoci. Pro lokalizační týmy pracující s 12 jazyky to představuje časový náskok 6 týdnů oproti AAC nebo Opus, které obě vyžadují zdokumentovaný krok re-enkódování.

4. AAC-LC — Sweet spot kvality na MIPS

AAC-LC (MPEG-4 Advanced Audio Coding, profil Low Complexity) je kodek používaný na B1, B2, K7, KF1, Q6 a Q8. Je přibližně o 30 procent efektivnější než MP3 při stejné vnímané kvalitě pro řeč a jeho dekodér běží asi na 40 MIPS na stejném křemíku Cortex-A5. Na starších dílech to je ostrý kompromis, ale vyplatí se v úspoře flash: AAC klip při 96 kb/s, 24 kHz mono má asi 24,0 MB na knihu oproti 26,1 MB u F8 reference.

AAC má známou slabinu na levných reproduktorech: výchozí nástroj SBR (Spectral Band Replication) je brilantní v doplňování chybějících výšek, ale odhaluje artefakty na 16mm mylarovém měniči, který nemá reálný výstup nad 12 kHz. Proto SBR v buildu vypínáme a držíme AAC-LC striktně v režimu plain LC, což znamená, že kodek se nikdy nepokouší rekonstruovat pásma, která reproduktor nedokáže reprodukovat. Pro referenta školského obvodu je praktickým závěrem, že AAC při 96 kb/s mono LC překoná MP3 při 96 kb/s na B2 nebo K7 v každé třídě, kde je dítě od zařízení dále než 30 cm.

Licenční situace je háček AAC. Patentový pool, který roky spravoval patenty AAC-LC, je technicky rozpuštěn na straně enkodéru pro spotřebitelskou distribuci, ale na straně dekodéru u některých dodavatelů SoC stále existuje malé očekávání jednotkového poplatku. My jej pohlcuje do licence SoC na úrovni firmwaru, takže importéři nevidí samostatnou položku. Písemně si u svého ODM ověřte, že dekodér AAC, který dodává, je licencován na úrovni SoC; nepředpokládejte to.

5. Opus — výchozí volba roku 2026 pro nové programy

Opus je kodek, který platformy L5, T2 a Y6 běží nativně. Byl standardizován IETF v roce 2012, patentový pool je plně bezpoplatkový pro enkodér i dekodér a byl od počátku navržen pro řeč i hudbu. Při 48 kb/s mono, 24 kHz, uloží L5 knihu s 220 klipy do 12,6 MB — asi o 52 procent méně než MP3 build F8 a o 48 procent méně než AAC build Q6. Na 8 GB NAND je to rozdíl mezi 290 knihami a 480 knihami. Pro vydavatele lokalizujícího do 12 jazyků se tento poměr složí na zhruba 5,7 GB získané flash rezervy.

Náklady dekodéru v MIPS na Cortex-A53 při 1,2 GHz jsou kolem 60 MIPS při 48 kb/s, což je hluboko v rozpočtu, když současně běží OID lookup, TTS a BLE pipelines. Opus na starších B1/B2/F8/P2 SoC nedoporučujeme — náklady v MIPS se tam nebezpečně blíží 25 procentům dostupného rozpočtu dekodéru a na raných prototypech F8 jsme při silném BLE provozu naměřili výpadky zvuku, které jsme u MP3 nikdy neviděli.

Opus nabízí funkci, kterou ostatní dva kodeky nemají: integrovaný algoritmus PLC (Packet Loss Concealment) a režim FEC (Forward Error Correction), který se mimořádně dobře doplňuje s čtecími pery, jež při skenování ztrácejí pakety přes Wi-Fi nebo BLE. PLC samostatně vyhodnotíme v TC-139, ale pro výběr kodeku je klíčové, že Opus je ze všech tří jediný, jehož bitový tok byl navržen tak, aby přežil výpadky při přenosu, za předpokladu, že dekodér vidí mezery.

6. Kompresní srovnání kodeků vedle sebe

Níže uvedené hodnoty vycházejí z jednoho souboru 220 klipů s 30sekundovými úseky namluveného textu, které nahrál profesionální dětský hlasový herec při 22,05 kHz mono 16 bitů. Každý úsek byl zakódován ve čtyřech reprezentativních datových tocích s vypnutým VBR a zapnutým ABR, poté byla změřena velikost a subjektivní skóre metodou MUSHRA v panelu 12 dospělých posluchačů se sluchátky Sennheiser HD 280 Pro. Reproduktory v terénním testu byly sériové 16mm mylarové jednotky dodávané s modelem K7.

Nejdůležitějším obchodním závěrem je křivka MOS ku velikosti. Opus při 48 kbps a AAC-LC při 96 kbps poskytují stejnou vnímanou kvalitu (3,9 MOS), ale Opus toho dosahuje přesně za poloviční cenu flash paměti. AAC-LC při 64 kbps je statisticky nerozlišitelný od Opusu při 48 kbps u řeči (3,5 vs 3,3 v našem panelu) a stojí přibližně o 38 % více flash. MP3 při 96 kbps je nejhorší ze tří – stejná velikost jako AAC-LC při 96 kbps, ale o 0,7 bodu MOS pozadu.

7. MIPS dekodéru, baterie a skrytá páka BOM

Čtecí pero není telefon. Běží na SoC třídy Cortex-A s taktem 500–1 400 MHz bez DSP offloadu pro zvuk, je napájeno Li-ion nebo Li-poly článkem 500–2 500 mAh a má 16mm mylarový reproduktor, který zvládne asi 50–250 mW RMS bez zkreslení. kodek, který spálí nejvíce MIPS, je zároveň kodek, který nejrychleji vybíjí baterii při nepřetržitém přehrávání vyprávění, a rozdíl je v praxi měřitelný.

Instrumentujeme každý produkční firmware pro MIPS a odběr proudu na svorce baterie během vyprávění. Y6 s Opusem při 48 kbps odebírá v průměru 78 mA na baterii při nepřetržitém vyprávění; F8 s MP3 při 96 kbps odebírá v průměru 82 mA při stejné zátěži; Q6 s AAC-LC při 96 kbps odebírá 87 mA. Rozpor 9 mA mezi Opusem a AAC-LC vypadá na papíře nepatrně, ale v součtu za celé 5,0–8,5hodinové čtení přináší 12–18minutový rozdíl ve výdrži, což je rozdíl mezi dokončením dlouhé knihy a spuštěním varování o nízké baterii v sedmé kapitole.

Pro výrobce originálního vybavení stavící 12jazyčné knihovny je touto pákou, která umožňuje T2 dosáhnout jeho udávané 14hodinové výdrže. T2 se dodává s 18650 článkem 2 500 mAh – největším v portfoliu – ale je to Opus při 56 kbps, který firmwaru skutečně umožňuje dodat 14 hodin smíšeného vyprávění, skenování OID a pohotovostního režimu v laboratoři. MP3 při stejném datovém toku by z této hodnoty ubral přibližně 90 minut.

8. Lokalizace, licence a nákupní procesy

Tři nákupní reality řídí volbu kodeku více než zvuková kvalita. Za prvé, vystavení licenčním poplatkům: MP3 je zdarma, Opus je zdarma, dekodér AAC-LC je součástí úrovně SoC u platforem, které aktuálně používáme. Dovozce, který trvá na SoC mimo tuto úroveň kvůli úspoře 0,04 USD na BOM, může být nepříjemně překvapen, když dekodér AAC nese jednotkový poplatek. Za druhé, tvorba obsahu: MP3 je univerzální v audio editačních nástrojích, AAC vyžaduje zdokumentovaný krok překódování s explicitním LC profilem a ADTS obalem, Opus vyžaduje explicitní rozhodnutí o vzorkovací frekvenci a velikosti rámce pro každý asset. Za třetí, aktualizace v terénu: OTA aktualizace, která nahradí MP3 asset Opus assetem, je přibližně o 50 % menší a dorazí na špatném 3G připojení v regionu MENA za 4 minuty místo 9.

Pro kupce hodnotícího ODM je chytrou volbou přiřadit kodek generaci platformy. Specifikujte MP3 pro programy B1, B2, F8, P2; AAC-LC pro programy K7, KF1, Q6, Q8; Opus pro jakýkoli nový program L5, T2, Y6. V rámci jedné platformy kodeky nemíchejte – komplikuje to strom dekodéru, zpomaluje QA firmwaru a posouvá míru defektů AQL u přehrávání zvuku z naší základní hodnoty 0,7 % směrem k 1,4 % v našich terénních datech.

9. Jak specifikovat kodek v kupní smlouvě

Před uvolněním nástrojů je třeba písemně uzamknout tři věci. Za prvé, přesný název a profil kodeku – „AAC-LC, bez SBR, bez PS, ADTS obal, 24 kHz mono, 96 kbps“ je úroveň přesnosti, kterou chcete. Samotné „AAC“ selže při vstupní QC, protože enkodér mohl vygenerovat HE-AAC profil, který váš SoC nedokáže dekódovat. Za druhé, dodavatel a verze enkodéru – LAME 3.100 pro MP3, fdkaac 2.0 pro AAC, libopus 1.4 pro Opus. Za třetí, ověřovací metodika – dodavatel musí dodat 30sekundový testovací asset v produkčním datovém toku a dovozce jej musí do 14 dnů od prvního vzorku nechat projet vlastním QA zařízením na produkčním peru.

U vícejazyčných rolloutů uzamkněte sadu parametrů enkodéru do sdíleného souboru YAML, který je commitnut do repozitáře obsahu dodavatele. Toto je jediný nejčastější důvod, proč 12jazyčný rollout vyplouvá o 2 týdny později: každý lokalizační tým překóduje s mírně odlišným nastavením a jeden z 12 selže při validaci vzorkovací frekvence.

10. Rozhodovací matice a doporučení

Pro zcela nový program startující v roce 2026 na platformě L5, T2 nebo Y6 je doporučením Opus při 48 kbps mono 24 kHz pro vyprávění, zvukové efekty a foniku, s možností zvýšit na 64 kbps pouze u titulů s velkým podílem hudby. Pro střední generaci programů na K7, KF1, Q6 nebo Q8 zůstává správnou odpovědí AAC-LC při 96 kbps mono 24 kHz. Pro nákladově řízené programy na B1, B2, F8 nebo P2 zůstaňte u MP3 při 80–96 kbps mono 22,05 kHz a nenechte nikoho přesvědčit vás k AAC nebo Opusu, pokud k tomu nemáte konkrétní důvod. Výjimkou jsou dvojjazyčné programy, kde musí druhý jazyk koexistovat s prvním na stejném NAND; tam přepnutí F8 nebo P2 na AAC-LC při 80 kbps získá zpět přibližně 18 % zvukové partition a stojí za daň MIPS.

Pro nákupčí píšící RFQ je řádek, který uzavírá debatu o kodeku: „Zvukové assety kódované v [Opus 48 kbps / AAC-LC 96 kbps / MP3 96 kbps] při 24 kHz mono, verze enkodéru pinned, dodáno s ADTS nebo Ogg kontejnerem, AQL 1,0 na shodu datového toku, vzorové assety validované na produkčním hardwaru do 14 dnů od prvního vzorku.“ Tento jediný řádek odstraňuje 80 % terénních problémů, které vidíme v naší síti 230+ aktivních distributorů.

Související čtení

• Čtecí pero – vzorkovací frekvence zvuku 16 kHz vs 44,1 kHz
• Čtecí pero – bitová hloubka 16 vs 24 vs 32 bitů
• Čtecí pero – formát nahrávání WAV vs AMR vs Opus
• Čtecí pero – návrh audio zesilovače třídy D
• Čtecí pero – bezpečnost lithium-polymerové baterie
• Čtecí pero – spotřeba energie a test výdrže
• Služby OEM čtecího pera
• Poptávejte čtecí pero