Målgruppe: Denne artikel henvender sig til compliance-ansvarlige, produktchefer og OEM-brandindehavere, der skal vælge mellem on-device automatisk talegenkendelse (ASR) og cloud-baseret tale-til-tekst til en læsepen til børn, som skal sælges i EU, USA, Golfen og Sydøstasien mellem 2025 og 2027.
En læsepen, der lytter til et barns tale, er ikke længere hypotetisk. Reference-designene K7, KF1, L5, T2 og Y6 leveres med en wake-word front-end og et 2-5 sekunders udtale-vindue, der kan score barnets ord mod ordforrådet på skærmen eller på siden. Det spørgsmål, vi hører fra købere i 2026, er ikke længere "skal pennen lytte", men "hvor bliver lyden transkriberet og scoret". Svaret afhænger af tre regelsæt, der nu overlapper, fire tekniske begrænsninger i pennen og en indkøbspost, som stille kan lægge $1,40 til eller fjerne $1,40 per pen-år fra programmets P&L. Denne artikel gennemgår on-device ASR- og cloud-ASR-sporene og slutter med en indkøbscheckliste til et skoleudbud på 5.000 enheder.
1. Den juridiske ramme: hvornår bliver et barns stemme personoplysninger
I EU behandler GDPR biometriske data (som inkluderer et barns stemmeaftryk) som følsomme i henhold til artikel 9. Betragtning 51 og EDPB's retningslinjer 05/2020 om samtykke i den digitale tidsalder kræver udtrykkeligt forældreopt-in til enhver behandling, der skaber en biometrisk skabelon, selvom lyden slettes umiddelbart efter. Den amerikanske COPPA-regel har en tilsvarende bestemmelse: en "stemmeoptagelse" er "personlige oplysninger" i henhold til 16 CFR 312.2, og en operatør, der transmitterer den over internettet, udløser kravet om verificerbart forældresamtykke. Kinas PIPL behandler biometriske data som følsomme (artikel 28) med et separat samtykke (artikel 29). Brasiliens LGPD følger GDPR. Singapores PDPA's vejledende retningslinjer om børns data giver genlyd af samme linje.
Den praktiske konsekvens er, at enhver cloud-ASR-leverandør, der gemmer lyd længere end det umiddelbare transskriptionsvindue, skal behandles som en underdatabehandler i henhold til hvert regelsæt. Vi katalogiserer 18 cloud-ASR-leverandører og vurderer hver på opbevaring, regional tilgængelighed, underdatabehandler-status og COPPA-kvalificeret berettigelse; tabellen nedenfor gengiver et resumé. Den EU CE- og EN71-reguleringsopdatering, den ASTM F963- og CPSIA-briefing og Korea KC-certificeringspræsentationen berører alle de regionale overlap.
2. On-device ASR: hvordan det fungerer i 22 KB RAM
On-device ASR til en læsepen laver ikke fri transskription. Den laver kun "sagde barnet målordet eller -frasen godt nok til at gå videre til næste niveau". Denne afgrænsede ASR kan være en 1,4 MB convolutional keyword-spotter, der kører på SoC'ens NPU og bruger 60-110 mW. Vi pakker den som en "PronunciationScorer 2026"-modul: en 22 KB feature-ekstraktor, en 0,6 MB akustisk model, en 0,4 MB udtalemodel og en 0,4 MB sprogspecifik fonemordbog, i alt 1,4 MB. Inferens kører på 90-140 ms på K7'ens Cortex-A53 og på 60-95 ms på L5'ens Cortex-A55. Lyd optages i en 2-5 sekunders rullende PCM-buffer ved 16 kHz mono og droppes derefter. Ingen lyd forlader enheden.
Scoringen er ikke "har barnet ret", men "ligger barnets udtale inden for 2,4 standardafvigelser af en modersmålsfordeling for målfonemet." Modellen returnerer en score i intervallet 0-100 samt et fonemniveau-fremhæv (f.eks. "r" var forkert, "th" var godt). Det er den samme scoringsrubrik, som det britiske undervisningsministerium (Department for Education) udgav i 2024 til sin foniske screeningsprøve, og det er grunden til, at 22 KB-modulet accepteres som et indkravsbenchmark af 14 af vores 230+ distributører.
3. De tre tekniske begrænsninger, der afgør sporet
| Begrænsning | On-device ASR | Cloud ASR (engros) |
|---|---|---|
| Første-score latenstid (p50) | 90-140 ms | 420-580 ms |
| Batteripris pr. 1.000 udtalelser | 60 mAh | 40 mAh + Wi-Fi-radio |
| Lydopbevaring | 0 bytes (kun i RAM) | 5-30 sek hos leverandør (juridisk) |
| Pris pr. pen-år ved 8.000 udtalelser | $0,00 | $0,36-$0,72 (cloud) |
En indkøber, der læser tabellen som fire uafhængige variabler, når ofte en anden konklusion end en indkøber, der læser den som et samlet system. Latensen for første score flugter med den perceptuelle tærskel på 280 ms for barnelæsere; den on-device-sti passer, mens cloud-stien ligger lige på kanten. Batteriomkostningen er nogenlunde ens, fordi cloud-stien betaler den samme hardwareomkostning plus en Wi-Fi-driftscyklus. Lydlagringen er den afgørende stopklods i enhver udbudsrunde med et "biometric data minimization"-krav. Betingvalgsomkostningen - per pen-per år - er omkringet ca. 0,50 USD for cloud ved fuld skala, hvilket er grunden til, at indkøbere, der kan undgå det, gør det.
Køber-tip: En skoleudrulning på 12.000 enheder, der kører 8.000 udtalelser pr. pen pr. år, vil bruge $34.560 på cloud-ASR i år ét, $32.640 i år to og så videre. On-device-modulet koster $1,40 i mer-BOM pr. pen én gang, uden tilbagevendende gebyr. Break-even er groft sagt 18 måneder mod en leverandøropbevaringsrabat på 50%.
4. COPPA- / GDPR-K-samtykkeskærm-økonomien
En læsepen, der kører cloud-baseret ASR, skal vise en samtykkeskærm for forældre ved første opstart. Skærmen fryser aktiveringsflowet, indtil en forælder indtaster en e-mail eller gennemfører et kreditkortverifikationstrin. Feldata fra vores implementeringer i 2025 viser en frafaldsprocent på 14-22% ved denne skærm, afhængigt af sprog og land. Det frafald er en omsætningspost for importøren: en 12.000-enheds container, der taber 18% ved samtykkeskærmen, er et tab på 2.160 enheder. Hver tabt enhed bærer den fulde BOM-omkostning, men genererer ikke det eftersalg af indhold, som importøren har budgetteret med.
On-device-sporet behøver ikke en ASR-samtykkeskærm, kun en privatlivsmeddelelse. Privatlivsmeddelelsen har en anden juridisk ramme: den angiver, hvilke data der indsamles (ingen), og hvilke data der behandles på enheden (lyd, kun i RAM, kasseret efter scoring). Frafaldsprocenten ved en privatlivsmeddelelse er 1-3%, hvilket operationelt svarer til at åbne enhver EULA.
5. Leverandørlandskabet: hvem kan betjene et børneprogram i 2026
Cloud-ASR-leverandørlisten skrumper hurtigt, når COPPA- / GDPR-K- / PIPL- / LGPD-filtrene anvendes. Vi tracker 18 cloud-leverandører; kun 6 publicerer et børneprogram. Følgende matrix er fra vores 2026-leverandørkvalifikationsrapport; vi vurderer hver leverandør på opbevaring, underdatabehandler-status, regional bosættelse og pris pr. pen ved 8.000 udtalelser.
| Leverandør | Opbevaring | Underdatabehandler | Regional bosættelse | Pris / 1.000 udtalelser |
|---|---|---|---|---|
| Leverandør A (hyperscaler 1) | 0 sek, scoret og slettet | Ja | eu-central-1 / us-east-1 | $0,045 |
| Leverandør B (hyperscaler 2) | 30 sek, valgfri opbevaring | Ja | 12 regioner | $0,040 |
| Leverandør C (Asien regional) | 0 sek | Ja | ap-northeast-1 / ap-southeast-1 | $0,060 |
| Leverandør D (EU regional) | 0 sek | Ja | eu-central-1 / eu-west-1 | $0,075 |
| Vendor E (open weight, selv-hosting) | Selvstyret | Selv | Selv | $0,020 + driftsomkostninger |
| Vendor F (specialbørneteknologi) | 0 sek, forældredashboard | Ja | 6 regioner | $0,090 |
Den open-weight-baserede løsning (Vendor E) giver importøren mulighed for at oprette en selvhostet cloud, som minimerer underdatabehandler-udpegning og eksponerer et bopælsregionskort pr. region. Ulempen er driftsomkostningerne pr. pen, som ligger på $0,012-$0,022 pr. pen pr. måned ved en skala på 12.000 enheder. Specialleverandøren (Vendor F) tager en merpris for børnedashboardet, men har den stærkeste opbevaringspolitik, hvilket er grunden til, at vi anbefaler den til udbud i Korea og Golfstaterne.
6. Bopælsregionskortet for data: hvilket land har hvilke regler
Hver region, vi leverer til, har en regel om databopæl, der slår igennem ved forskellige enhedsvolumener. EU starter ved én enhed (du skal have GDPR-K-overholdelse fra enhed ét). Brasilien starter ved "enhver behandling, der er rettet mod børn". Korea kræver eksplicit lokalisering, når børnedata krydser grænsen (PIPA artikel 17). Kinas PIPL kræver en separat grænseoverskridende sikkerhedsvurdering for biometriske børnedata. Vi leverer med et bopælsregionskort pr. region, der som standard holder audio i enheden og kun tilbyder en valgfri cloud-tilstand i jurisdiktioner, hvor vi har en regional databopælskontrakt.
Kortet er vigtigt, fordi en ejer af en læsepen, der som standard aktiverer cloud-ASR i en streng jurisdiktion, vil være i strid fra enhed ét. Vi har leveret en firmware pr. SKU, der hardkoder databopælsprofilen til "kun på enheden" for GCC SFDA-, Korea KC-, EU AI Act- og Kina GB-regionerne, og som tillader cloud-valg for USA-, Brasilien-, Singapore- og Australien-regionerne. Brasilien INMETRO-certificeringsprimer og Mexico NOM-briefing beskriver de regionale certificeringer; databopæls-overlejringen håndhæves på firmware-niveau.
7. Hardwarevariationen mellem penne
ASR-modulet på enheden sidder på SoC'ens NPU. NPU'en findes på K7 (0,4 TOPS INT8), KF1 (0,4 TOPS), Q6 (0,4 TOPS), Q8 (0,4 TOPS), L5 (0,8 TOPS), T2 (0,8 TOPS) og Y6 (0,8 TOPS). B1-, B2-, F8- og P2-pennene har ikke en NPU. F8 kan køre ASR på CPU'en med 220-280 ms p50-latens og et strømforbrug på 60 mW, hvilket er acceptabelt, men lige på grænsen af den perceptuelle tærskel. B1, B2 og P2 kan ikke køre ASR på enheden over 280 ms-tærsklen med en nøgleordsskanner stor nok til at score fonemer, så de leveres kun med cloud-ASR eller med en ja/nej-scoringsrubrik, der udelukkende kører på CPU'en.
| Referencedesign | NPU TOPS | ASR-sti | Første-score p50 |
|---|---|---|---|
| B1, B2, P2 | 0 | Kun cloud | 420-580 ms |
| F8 | 0 (CPU) | På enheden, kun ja/nej | 220-280 ms |
| K7, KF1, Q6, Q8 | 0,4 | På enheden, fuld scoring | 90-140 ms |
| L5, T2, Y6 | 0,8 | På enheden, fuld + cloud-fallback | 60-95 ms |
For købere, der opbygger et program omkring udtalescoring, er familievalget K7 og derover. For købere, der opbygger et program omkring ordforråd med tryk-og-lyt, er B1, B2 og P2 fortsat levedygtige med cloud-ASR eller slet ingen ASR.
8. Den hybride ASR-sti, og hvornår den giver mening
Nogle programmer ønsker det bedste fra begge stier: ASR på enheden til ordforrådsøvelser og udtalescoring, plus en cloud-fallback til fri samtale eller dialektspecifik scoring. Vi understøtter dette på K7-, KF1-, L5-, T2- og Y6-pennene. Cloud-fallback aktiveres kun, når (a) nøgleordsskanneren på enheden returnerer lav konfidens, og (b) forældredashboardet har cloud-ASR aktiveret. I vores 2025-udrulninger førte denne kombination til en cloud-opkaldsrate på 6-9%, hvilket holder cloud-omkostningsposten under $0,05 pr. pen pr. år, samtidig med at forældrene bevarer indblik i barnets fremskridt.
9. Tekniske risici specifikt for ASR på enheden
Den on-device nøgleordsskanner er en lille model, og små modeller overfitter. Vi afbøder ved at:(a) træne på et 1.400-timers børnetalekorpus på tværs af 14 dialekter af engelsk, 6 dialekter af spansk, 4 dialekter af arabisk og 4 dialekter af mandarin; (b) bruge en træningspipeline med 12 augmenteringer (hastighed, tonehøjde, rumimpuls, SNR); (c) levere et regionalt tilpasningslag, som indkøberen kan genoptræne på regional tale på 2-4 timer på en GPU. Resultatet er en model, der scorer 89,4% af de almindelige fonemer inden for 2,4 standardafvigelser af målfordelingen, med en overmodig-uden-for-grænse-rate på 3,2%. Det sidste er vigtigt, fordi et barns overmodighed ved en forkert udtale er et stærkere signal om behov for indgriben end en lav score ved en korrekt udtale.
10. Indkøbscheckliste til en 2026 ASR-aktiveret læsepen-RFQ
Indkøbschecklisten komprimerer rammeværket til 9 spørgsmål til køberen:
| # | Spørgsmål | Målsvar |
|---|---|---|
| 1 | Behandler pennen audio på enheden som standard? | Ja |
| 2 | Kræver cloud-ASR eksplicit forældresamtykke? | Ja |
| 3 | Hvilke regulatoriske dossierer følger med pennen til køberens region? | EU GDPR-K, USA COPPA, Kina PIPL, Brasilien LGPD, Korea PIPA, Singapore PDPA |
| 4 | Hvad er latenstiden for første score ved 25 °C, p50? | ≤140 ms (K7+-familierne) |
| 5 | Hvad er skyomkostningen pr. pen pr. år ved 8.000 udtalelser? | ≤0,72 $ (fuld sky) eller 0,05 $ (hybrid) |
| 6 | Understøtter firmwaren en dataresidensprofil pr. region? | Ja |
| 7 | Er rubricken for udtalescoring offentliggjort og reproducerbar? | Ja |
| 8 | Kan køberen genoptræne på regional tale inden for 4 timer på en GPU? | Ja |
| 9 | Måles frafaldsprocenten på samtykkeskærmen? | Ja (1-3 % on-device, 14-22 % cloud) |
Købere, der svarer "ja" til alle ni spørgsmål, vælger typisk L5- eller Y6-referencedesignet med on-device ASR-modulet og en cloud-fallback-opt-in. Til en skoleudbudsrunde i Golfstaten på 12.000 enheder leverede vi L5 med ASR-modulet aktiveret, ingen cloud-fallback og den arabiske udtalesordbog; den tilbagevendende omkostning pr. pen pr. år var 0,00 $, og frafaldsprocenten på samtykkeskærmen var 2,1 %.
11. Reference-citat og beslutningsresumé
Beslutningsværdimatrixen reduceres til tommelfingerregler. For det første: hvis RFQ'en angiver "minimering af biometriske data" eller "dataplacering/residens", vælg on-device og accepter en BOM-difference på 1,40 USD. For det andet: hvis RFQ'en angiver "skal integrere med vores eksisterende cloud-ASR-leverandør", brug cloud eller hybrid; forvent at betale 0,05-0,72 USD per pen pr. år i API- og cloud-driftsomkostninger. For det tredje: hvis RFQ'en angiver "fri-samtale-samtaletræner", brug den on-device-LLM-sti, der er brug for i Reading Pen LLM On-Device Deployment; ASR er frontenden for denne sti. Hver sti leveres med sin egen compliance-filliste, og siden reading pen OEM programs angiver, hvad vi leverer under hver SKU under HS-kode 8543.70, 9503.00 eller 4901.99.
Relateret læsning
- Reading pen AI-integration køreplan 2024-2026
- Reading pen LLM on-device-implementering
- Reading pen firmware-arkitekt forklaret
- Reading pen EU CE- og EN71-reguleringsopdatering
- Reading pen USA ASTM F963- og CPSIA-briefing
- Reading pen Korea KC-certificeringspræsentation
- Reading pen OEM-programmer
- Tjekliste til skoleindkøb af læsepenne