Lese-Stift AGC (Automatische Verstärkungsregelung): Tuning-Stufen

Zielgruppe: Dieser Artikel richtet sich an Audio-Firmware-Ingenieure und Einkäufer, die das AGC-Verhalten von Mikrofonen in einer Lesestift-Linie bewerten oder spezifizieren müssen. Er setzt voraus, dass Sie bereits verstehen, was ein Mikrofon aufnimmt, und nun eine belastbare AGC-Spezifikation benötigen, die im leisen Heimbetrieb, in lauten Klassenzimmern und im Gegensprechmodus zuverlässig funktioniert.

Ein Lesestift hört ein 3-jähriges Kind, das im Abstand von 5 cm „cat“ flüstert, und ein 10-jähriges Kind, das im Abstand von 15 cm laut vorliest. Das Flüstern trifft mit −35 dBFS am Mikrofon ein, das laute Vorlesen mit −8 dBFS – ein Bereich von 27 dB, den die ASR-Engine und der Gegensprech-Downlink nicht ohne Hilfe gleichzeitig bewältigen können. Automatic Gain Control (AGC) ist der Algorithmus, der den Mikrofonpegel so normalisiert, dass leise Sprache hörbar und laute Sprache nicht übersteuert wird. Über die 11 Produktionsmodelle (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) sitzt die AGC in der Audio-Pipeline nach AEC und vor DRC, und ihre Abstimmung gehört zu den drei am häufigsten genannten Firmware-Regressionen, die wir in Feld-Updates beheben. Dieser Artikel erklärt, wie AGC auf einem Lesestift funktioniert, wie sie pro Plattform unterschiedlich abgestimmt wird und wie Sie sie in einem Liefervertrag so spezifizieren, dass sich der Stift am stillen Schreibtisch und auf einem lauten Spielplatz gleich verhält.

1. Warum AGC auf einem Lesestift schwieriger ist als auf einem Telefon

Eine Lesestift-AGC muss vier Szenarien beherrschen, die eine Telefon-AGC nicht kennt. Erstens variiert der Abstand vom Sprecher zum Mikrofon zwischen 1 cm (ein Kind flüstert in die Spitze) und 30 cm (der Stift liegt auf dem Schreibtisch und nimmt eine Sprachsuche quer durch den Raum auf) – ein Bereich von 30 dB, den ein Telefon nie sieht, weil es immer 5–15 cm vom Mund entfernt ist. Zweitens arbeitet der Stift im Gegensprechmodus, in dem das Mikrofon nicht die Kinderstimme, sondern die Stimme des Elternteils von der gegenüberliegenden Zimmerseite aufnimmt – ein anderes akustisches Profil. Drittens arbeitet der Stift in der Sprachsuche, in der der Nutzer ein einzelnes Wort oder eine kurze Phrase spricht und dann auf eine Antwort wartet – die AGC muss innerhalb einer einzelnen Äußerung konvergieren, nicht über ein durchgehendes Gespräch hinweg. Viertens arbeitet der Stift während AEC-Doubletalk, wenn der Lautsprecher wiedergibt und das Mikrofon gleichzeitig aufnimmt; die AGC darf in den stillen Pausen zwischen Erzählsegmenten die Verstärkung nicht hochpumpen.

Eine Telefon-AGC hat jahrzehntelange Abstimmungserfahrung und einen relativ engen Arbeitsbereich. Eine Lesestift-AGC muss einen deutlich breiteren Bereich mit deutlich weniger Abstimmungshistorie beherrschen. Deshalb stellt die Lesestift-Firmware auf jeder Plattform AGC-Parameter in einer Konfigurationsdatei bereit, die pro Programm und pro Sprache abgestimmt werden kann – es gibt keine einzelne AGC-Einstellung, die für alle 11 Modelle funktioniert.

2. Die vier AGC-Parameter, die zählen

Die AGC hat vier Parameter, die ihr Verhalten bestimmen. Der Zielpegel ist der dBFS-Wert, auf den die AGC das Mikrofonsignal hinzuarbeiten versucht – typischerweise −12 bis −18 dBFS für ASR und −20 bis −26 dBFS für Gegensprechen. Die Ansprechzeit (Attack) ist, wie schnell die AGC die Verstärkung reduziert, wenn der Eingang lauter als der Zielpegel ist – typischerweise 5–20 ms bei Sprache, um das Übersteuern von Plosiven zu vermeiden. Die Abklingzeit (Release) ist, wie schnell die AGC die Verstärkung erhöht, wenn der Eingang leiser als der Zielpegel ist – typischerweise 200–800 ms, um Pumping bei kurzen Pausen zu vermeiden. Das Kompressionsverhältnis oberhalb des Zielpegels bestimmt, wie aggressiv die AGC laute Signale begrenzt – typischerweise 2:1 bis 4:1 für ASR und 1,5:1 bis 2:1 für Gegensprechen.

Das Zusammenspiel dieser vier Parameter ist nicht offensichtlich. Eine schnelle Ansprechzeit und langsame Abklingzeit ist die Lehrbuch-Einstellung für Sprache, aber auf einem Lesestift mit kurzen Stillepausen zwischen Erzählsegmenten bewirkt eine langsame Abklingzeit, dass die AGC zwischen den Segmenten die Verstärkung hochpumpt, was dann beim ersten Phonem des nächsten Segments übersteuert. Die Firmware auf L5, T2, Y6 verwendet eine „sprachpräsenzbewusste“ Abklingzeit, die die Verstärkung konstant hält, wenn das AEC-Referenzsignal aktiv ist, und so das Pumping-Artefakt verhindert.

3. AGC-Baseline pro Modell

Die folgende Tabelle fasst die AGC-Abstimmung über die 11 Produktionsmodelle zusammen. „Zielpegel“ ist der dBFS-Wert, den die AGC während der ASR-Aufnahme anstrebt; „Attack“ und „Release“ sind die Zeitkonstanten in ms; „Verhältnis“ ist das Kompressionsverhältnis oberhalb des Zielpegels; „Bereich“ ist die maximale Verstärkung, die die AGC in dB anwendet.

Das Muster ist eindeutig. Die Plattformen L5, T2 und Y6 verfügen über die aggressivste AGC-Abstimmung: schnellste Ansprechzeit, schnellste Auslösung, höchste maximale Verstärkung (36 dB). Dies ist erforderlich, da sie Sprachsuche (Erfassung einzelner Wörter mit sehr leisen Eingangssignalen) und den Intercom-Modus (variabler Abstand zum Sprecher) unterstützen. Die Plattformen K7, KF1, Q6 und Q8 besitzen eine mittlere Abstimmung, die für ASR und Intercom geeignet ist. Die Plattformen B1, B2, F8 und P2 weisen die konservativste Abstimmung auf – sie müssen lediglich ASR in einem relativ konstanten Abstand von 5–10 cm verarbeiten.

4. Die AGC-ASR-Wechselwirkung

Der Zielpegel des AGC hat einen direkten Einfluss auf die ASR-Genauigkeit. Die ASR-Engine auf dem L5 ist auf Sprache bei −16 dBFS ± 4 dB trainiert; Signale außerhalb dieses Bereichs führen zu Genauigkeitseinbußen, da das akustische Modell eine bestimmte Energieverteilung voraussetzt. Wenn der AGC das Signal auf −20 dBFS anhebt, empfängt die ASR-Engine ein leiseres Signal als erwartet, und die Wortfehlerrate steigt um 8–12 Prozent. Wenn der AGC das Signal auf −12 dBFS anhebt, erkennt die ASR-Engine Clipping bei Plosiven, und die Wortfehlerrate steigt um 5–8 Prozent.

Im gesamten Portfolio liegt der Zuwachs an ASR-Genauigkeit durch eine korrekt abgestimmte AGC im Vergleich zu ohne AGC bei etwa 6–9 Prozentpunkten bei Kindersprache mit variablem Abstand. Der AGC liefert der ASR-Engine im Wesentlichen einen konstanten Eingangspegel, damit sie ihre Aufgabe erfüllen kann.

Ein häufiger Fehler in frühen Firmware-Versionen bestand darin, das AGC-Ziel auf 0 dBFS (digitale Vollaussteuerung) festzulegen, in der Annahme, dass "lauter besser für ASR ist". Das ist falsch – es führt dazu, dass der AGC alles auf maximale Verstärkung hochfährt, leise Eingangssignale verrauscht werden und die ASR-Genauigkeit um 12–18 Prozentpunkte sinkt. Die aktuelle Firmware zielt auf −16 bis −18 dBFS ab, was 4–6 dB Headroom für Plosive und unerwartete Pegelspitzen lässt.

5. AGC im Intercom-Modus

Der Intercom-Modus ist das anspruchsvollste AGC-Szenario, da die Stimme der Eltern aus jeder Ecke des Raums kommen kann. Die Eltern können 50 cm entfernt in normaler Gesprächslautstärke sprechen (−25 dBFS am Mikrofon), 2 m entfernt laut sprechen (−15 dBFS am Mikrofon) oder 5 m entfernt rufen (−35 dBFS am Mikrofon). Die AGC muss alle drei Szenarien verfolgen, ohne Pumpen, ohne Clipping und ohne dass die Stimme der Eltern im Downlink unnatürlich klingt.

Die Firmware von K7, KF1, Q6, Q8 verwendet eine AGC mit einem maximalen Verstärkungsbereich von 30 dB und einer Release-Zeit von 300 ms, was für den Bereich von 50 cm bis 2 m geeignet ist. Die Firmware von L5, T2, Y6 erweitert dies auf einen maximalen Verstärkungsbereich von 36 dB mit einer Release-Zeit von 200–250 ms, was den Bereich von 50 cm bis 5 m abdeckt. Die Firmware von B1, B2, F8, P2 unterstützt keinen Intercom-Modus, da der AGC-Bereich zu schmal ist.

Ein häufiger Intercom-Bug in ODM-Firmware von Drittanbietern besteht darin, dieselben AGC-Parameter wie im ASR-Modus zu verwenden. Dies funktioniert bei 50 cm, scheitert jedoch kläglich bei 3 m, wo die Stimme der Eltern bei −35 dBFS liegt und die maximale AGC-Verstärkung von 24 dB sie nicht auf den Zielpegel heben kann. Das Ergebnis ist ein kaum hörbarer Intercom-Downlink. Die Lesestift-Firmware ab K7 verwendet unterschiedliche AGC-Parametersätze für ASR und Intercom, die automatisch je nach aktivem Audio-Modus umgeschaltet werden.

6. Das Pump-Artefakt und wie man es vermeidet

Das häufigste AGC-Artefakt bei einem Lesestift ist „Pumping“ — die Verstärkung steigt in einem leisen Moment an, der nächste laute Ton clippt, dann sinkt die Verstärkung, dann steigt sie im nächsten leisen Moment wieder an. Das Kind hört, wie seine eigene Stimme oder die Erzählung pulst.

Pumping wird durch eine AGC-Release-Zeit verursacht, die im Verhältnis zur Eingangsdynamik zu schnell ist. Bei der Firmware B1/B2 vor 2.4.7 betrug die Release 200 ms, was zu schnell war und hörbares Pumping erzeugte, wenn das Kind während der Ausspracheprüfung zwischen Wörtern pausierte. Die Firmware 2.4.7 erhöhte die Release auf 400 ms und fügte einen Sprachpräsenzdetektor hinzu, der die Verstärkung stabil hält, wenn das AEC-Referenzsignal aktiv ist. Das Artefakt verschwand.

Bei der Firmware L5 verfügt die AGC über einen separaten „Comfort-Modus“, der während der Erzählwiedergabe verwendet wird und die Verstärkung unabhängig vom Mikrofoneingang auf Unity (0 dB) hält, wodurch jegliches Pumping bei Single-Talk-Erzählung verhindert wird. Der Comfort-Modus wird automatisch deaktiviert, wenn der Benutzer zu sprechen beginnt.

Für die Beschaffung ist der Test einfach: Spielen Sie ein 30-sekündiges Erzählsegment über den Lautsprecher des Stifts ab, während das Mikrofon in einem ruhigen Raum geöffnet ist, und hören Sie in das aufgenommene Mikrofonsignal hinein. Wenn Sie das Erzählsignal in der Aufnahme pulsieren hören, ist die AGC-Release-Zeit zu schnell.

7. AGC und der ASR-Konfidenzwert

Die ASR-Engine meldet bei jedem Erkennungsergebnis einen Konfidenzwert. Die AGC beeinflusst diesen Wert indirekt — ein ordnungsgemäß AGC-geregeltes Signal bei −16 dBFS liefert ASR-Ergebnisse mit hoher Konfidenz, ein über- oder unter-geregeltes Signal liefert Ergebnisse mit geringerer Konfidenz. Bei der Firmware L5 meldet die ASR-Engine den Eingangssignalpegel zurück an die Audio-Pipeline, und die AGC passt ihren Zielwert an, wenn der laufende Durchschnitt der ASR-Konfidenz sinkt.

Diese Rückkopplungsschleife sorgt dafür, dass sich die Firmware L5 „intelligenter anfühlt“ als ältere Firmware — sie passt die AGC im Laufe der Zeit an die typische Sprechlautstärke des Benutzers an. Ein leiser Klassenzimmer-Nutzer erhält einen höheren Zielpegel; ein lauter Spielplatz-Nutzer erhält einen niedrigeren Zielpegel. Die Anpassung erfolgt über 10–20 Minuten Nutzung und wird im nutzerspezifischen Profil der Firmware gespeichert.

Für die Beschaffung lautet der Test: Lassen Sie ein Panel von 12 Kindern den Stift jeweils 30 Minuten lang in ihrer typischen Umgebung verwenden, und messen Sie dann die ASR-Genauigkeit nach Eingangspegel-Quartilen. Wenn das unterste Quartil (leiseste Sprecher) mehr als 5 Prozentpunkte hinter dem obersten Quartil liegt, passt sich die AGC nicht an Eingangssignale mit niedrigem Pegel an.

8. AGC und Akkulaufzeit

AGC hat einen geringen, aber realen Einfluss auf die Akkulaufzeit. Der AGC-Algorithmus auf dem L5 läuft mit 4 MIPS, was im Vergleich zu RNNoise bei 38 MIPS oder Beamforming bei 8 MIPS vernachlässigbar ist, aber er hält den Mikrofon-Codec im reinen Wiedergabemodus wach, wenn er nicht ordnungsgemäß gegated wird. Die Firmware L5 4.2.0 implementiert einen „AGC-Standby“-Modus, der die Verstärkungsaktualisierungen deaktiviert, wenn das Mikrofonsignal länger als 500 ms unter −50 dBFS liegt, was etwa 1,2 mA auf der 5-V-Schiene während leiser Passagen spart.

Im gesamten Portfolio ist der AGC-Standby-Modus nur auf L5, T2, Y6 implementiert. K7, KF1, Q6, Q8 halten die AGC durchgehend aktiv. Dies macht einen Laufzeitunterschied von 4–6 Minuten über eine 6-stündige Lesesitzung aus — klein, aber real.

9. Wie man AGC in einem Kaufvertrag spezifiziert

Die RFQ-Sprache für Lesestift-AGC sollte die Algorithmusklasse, den Zielpegel und die Zeitkonstanten benennen: „Die Mikrofon-AGC muss im ASR-Modus auf −16 dBFS ± 2 dB und im Intercom-Modus auf −22 dBFS ± 2 dB abzielen, mit einer Attack-Zeit von 5–15 ms, einer Release-Zeit von 200–400 ms, einem Kompressionsverhältnis von 2:1 bis 4:1 über dem Zielwert und einer maximalen Verstärkung von 30 dB für intercom-fähige Plattformen und 36 dB für sprachsuchfähige Plattformen. Die AGC muss eine sprachpräsenzbewusste Release enthalten, um Pumping während AEC-Doubletalk zu verhindern, und muss einen Comfort-Modus während der Single-Talk-Erzählwiedergabe enthalten, der die Verstärkung auf Unity hält.“

Drei Details sind wichtig. Erstens, der Zielpegel muss pro Modus spezifiziert werden — ASR, Intercom, Sprachsuche und reine Wiedergabe benötigen jeweils einen anderen Zielwert. Zweitens, der Pump-Artefakt-Test muss spezifiziert werden — das QA-Verfahren sollte eine 30-sekündige Erzählung abspielen und gleichzeitig das Mikrofon aufnehmen, wobei das aufgenommene Signal in Erzählsegmenten keine Gain-Pumping-Schwankung von mehr als 3 dB Spitze-zu-Spitze aufweisen darf. Drittens, die ASR-Genauigkeit bei niedrigem Eingangspegel muss spezifiziert werden — die ASR-Genauigkeit bei Sprache mit −35 dBFS Eingangspegel muss innerhalb von 5 Prozentpunkten der Genauigkeit bei Sprache mit −15 dBFS Eingangspegel liegen.

Tipp für Einkäufer: Testen Sie die AGC, indem Sie 10 Minuten Klassenzimmer-Audio über den Stift aufnehmen und den Lautstärkebereich des aufgenommenen Signals messen. Eine gut abgestimmte AGC erzeugt Aufnahmen mit einem Lautstärkebereich unter 12 dB; eine schlecht abgestimmte AGC erzeugt Aufnahmen mit einem Lautstärkebereich über 20 dB.

9b. AGC-Ausgangspegelverteilung über Anwendungsfälle

Der AGC-Zielpegel variiert je nach Anwendungsfall, da der nachgelagerte Konsument der Audiodaten unterschiedlich ist. ASR möchte −16 dBFS für die beste Übereinstimmung mit dem akustischen Modell; Intercom möchte −22 dBFS, um Headroom für den Downlink-Codec zu lassen; Sprachsuche möchte −16 dBFS für die Zuverlässigkeit kurzer Äußerungen. Die folgende Tabelle zeigt, wie dieselbe AGC jedes Szenario behandelt.

10. Entscheidungsmatrix und Empfehlungen

Für ein brandneues Lesestift-Programm mit Start 2026 lautet die Empfehlung Dual-Target-AGC mit sprachpräsenzbewusster Release auf L5, T2, Y6 (ASR-Ziel −16 dBFS, Intercom-Ziel −22 dBFS, Comfort-Modus während Erzählung) sowie Single-Target-AGC auf K7, KF1, Q6, Q8 (ASR-Ziel −18 dBFS, Intercom-Ziel −22 dBFS). Für die Legacy-Plattformen B1, B2, F8, P2 ist die bestehende Single-Target-AGC bei −14 bis −16 dBFS für reine ASR-Programme akzeptabel.

Für einen Einkäufer, der die AGC-Spezifikation verfasst, lautet der Satz, der den Vertrag abschließt: „Die Mikrofon-AGC muss im ASR-Modus auf −16 dBFS ± 2 dB abzielen, mit einer Attack ≤ 15 ms, einer Release von 200–400 ms, einem Verhältnis von 2:1–4:1, einer maximalen Verstärkung ≥ 30 dB für Intercom-Plattformen; die AGC muss eine sprachpräsenzbewusste Release enthalten, um Pumping während AEC-Doubletalk zu verhindern; der QA-Gain-Pumping-Test muss eine Schwankung von ≤ 3 dB Spitze-zu-Spitze im aufgenommenen Mikrofonsignal während einer 30-sekündigen Erzählwiedergabe zeigen.“

Weiterführende Lektüre

• Lesestift Echo Cancellation und AEC
• Lesestift Geräuschunterdrückung und RNNoise
• Lesestift Beamforming-Mikrofonarray
• Lesestift DRC und Dynamic Range Compression
• Lesestift Codec-Komprimierung MP3 vs AAC vs Opus
• Lesestift ASR Automatic Speech Recognition
• OEM-Lesestift-Dienstleistungen
• Fordern Sie ein Lesestift-Angebot an