Kohderyhmä:Laitteistosuunnittelun vetäjät, OEM-ohjelmien hallinnoijat ja äänilaiteohjelmiston arkkitehdit, jotka tarvitsevat ymmärrystä mikrofonisignaalipolusta, USB Audio Class -käyttäytymisestä sekä USB 2.0 vs 3.0 -kaistanleveyden vaikutuksista lukukynä-SKU-versioihin. Toissijaisesti: QA-päälliköt, jotka suunnittelevat ASR-tarkkuuden validointisuunnitelmia.
Saudi-Arabian jakelija otti meihin yhteyttä loppuvuodesta 2025, koska hänen vähittäiskaupan asiakkaansa palauttivat Q6-kyniä 4,8 %:n palautusosuudella valituksella "äänentunnistus ei toimi olohuoneessani". Noudimme 12 palautettua yksikköä, testasimme ne kammiossamme 55 dB SPL -tasolla 1 m puhujäisyydellä, ja 11/12 läpäisi sisäisen ASR-kynnyksemme. Todellinen ongelma ei ollut mikrofoni – se oli USB-ääniputki. Jakelija oli liittänyt kynät Windows-kannettavaan, jossa käytettiin kolmannen osapuolen ASR-demoversiota, joka asettui oletuksena USB 3.0 -isokroniseen tilaan, lisäten 220 ms:n puskuriviiveen ja pudottaen avainsanatunnistuksen tarkkuuden 92 %:sta 68 %:iin. Toimitimme jakelijalle Windows-puolen konfiguraatio-ohjeen, joka nimenomaisesti poistaa USB 3.0 -isokronisen tilan käytöstä; palautusosuus laski 0,8 %:iin 30 päivän kuluessa. Jokaisen valikoimamme lukukynän (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) mukana toimitetaan MEMS-mikrofoni ja USB-audioluokan liitäntä, ja tämä opas käy läpi mittausmenetelmämme SNR:n, viiveen ja kaistanleveyden osalta.
1. Mikrofonin signaalipolku lukukynässä
Jokaisessa lukukynässä on yksi pohjaporttinen MEMS-mikrofoni. Käytämme kolmea perhettä: analogialähdön perustason MEMS B1-, B2- ja P2-malleissa; digitaalinen PDM-lähdön keskitason MEMS F8-, K7- ja KF1-malleissa; sekä matalan kohinan digitaalinen PDM-MEMS, jossa on 64 dB SNR, malleissa L5, Q6, Q8, T2 ja Y6. Analogiset mikrofonit syöttävät isäntä-MCU:n codec-ADC:hen; digitaaliset PDM-mikrofonit syöttävät ääni-DSP:n PDM-PCM-dekooderiin. Premium-SKU-versiot lisäävät dedikoidun mikrofonin bias-LDO:n, jonka kohinataso on 0,5 µV RMS, SNR:n rajoittava tekijä.
SNR-luku on merkityksellinen, koska ASR-tarkkuus romahtaa, kun SNR laskee alle 55 dB:n. Päiväkotiluokassa keskimääräinen ympäristömelutaso on 65 dB SPL, ja 1 m etäisyydeltä puhuvan lapsen äänentaso suulla on 60 dB SPL. Tämä jättää 5 dB:n SNR-varan. Analoginen MEMS, jonka SNR on 58 dB, laskee 51 dB:n SNR-tasoon luokkahuoneen melussa, ja ASR WER nousee 6,4 %:sta 14,8 %:iin. Digitaalinen MEMS, jonka SNR on 64 dB, säilyttää 58 dB:n SNR-tason samassa melussa, ja WER pysyy 7,2 %:ssa. 7,6 prosenttiyksikön WER-ero on ratkaiseva vaihtelu läpäisevän ja epäonnistuvan vähittäiskaupan demon välillä.
| SKU | Mikrofonin tyyppi | SNR (hiljainen) | SNR (65 dB ympäristö) | ASR WER (hiljainen) | ASR WER (65 dB) |
|---|---|---|---|---|---|
| B1 | Analoginen MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| B2 | Analoginen MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| F8 | Digitaalinen PDM | 61 dB | 54 dB | 7,8 % | 13,6 % |
| K7 | Digitaalinen PDM | 62 dB | 55 dB | 7,6 % | 12,8 % |
| KF1 | Digitaalinen PDM | 62 dB | 55 dB | 7,6 % | 12,8 % |
| L5 | Matalan kohinan PDM | 64 dB | 58 dB | 6,4 % | 9,8 % |
| P2 | Analoginen MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| Q6 | Matalan kohinan PDM | 64 dB | 58 dB | 6,4 % | 9,6 % |
| Q8 | Low-noise PDM | 64 dB | 58 dB | 6,4 % | 9,4 % |
| T2 | Low-noise PDM | 65 dB | 59 dB | 6,0 % | 9,0 % |
| Y6 | Low-noise PDM | 65 dB | 59 dB | 6,0 % | 9,0 % |
Ostajan vinkki: Jos vähittäismyynnin esittely tai koulukäyttöönotto toimii yli 60 dB:n ympäristössä, pyydä tehtaalta SNR-mittaus kuormitettuna, älä spesifikaatiolomakkeen SNR-arvoa. Lukemat voivat erota 6 dB:llä, mikä on ero myydyn ja palautetun laitteen välillä.
2. USB Audio Class: UAC 1.0 vs UAC 2.0 vs UAC 3.0
Lukupuikko, joka altistaa mikrofoninsa isäntätietokoneelle, käyttää USB Audio Class -määritystä. Kolme versiota on merkityksellisiä: UAC 1.0 (USB 1.0 -aikakausi, mono 8 kHz, 16-bit), UAC 2.0 (USB 2.0 -aikakausi, monikanavainen jopa 192 kHz, 24-bit, async-tila) ja UAC 3.0 (USB 3.0 -aikakausi, pienempi latenssi, parempi hallinta). Yksikään kynistämme ei toteuta UAC 3.0:aa, koska isäntäpuolen tuki on epäyhtenäistä Windowsissa, macOS:ssä ja Androidissa. Käytämme UAC 1.0:aa malleissa B1, B2, F8, P2, K7, KF1 (mono 16 kHz, 16-bit) ja UAC 2.0:aa malleissa L5, Q6, Q8, T2, Y6 (mono 48 kHz, 16-bit, async).
Valinta UAC 1.0:n ja UAC 2.0:n välillä on tärkeä latenssin vuoksi. UAC 1.0 USB 2.0:ssa käyttää kiinteää 1 ms:n kehysväliä, mikä antaa pahimmillaan 13 ms:n latenssin 16 kHz:n taajuudella. UAC 2.0 adaptiivisessa tilassa ohjelmoitava väyläväli voi olla 125 µs asti, ja tyypillinen latenssi USB 2.0 High Speedillä on 4 ms. USB 3.0 SuperSpeedillä UAC 2.0 voi pudota 1,4 ms:aan. Latenssi vaikuttaa avainsanatunnistuksen nopeuteen ja äänen sekä kuvan synkronointiin.
Q6- ja Q8-malleissa (jotka tukevat herätyssanalla aina kuuntelua) latenssibudjetti on 80 ms äänen tulosta LED-välähdykseen. UAC 2.0 4 ms:llä jättää 76 ms avainsananeuroverkolle. UAC 1.0 13 ms:llä jättää 67 ms, mikä on edelleen riittävästi. UAC 3.0 1,4 ms:llä jättäisi 78,6 ms, mutta lisää 220 ms puskurointia Windowsissa ohjaimen isokronisen jonon syvyyden vuoksi — juurisyy edellä mainittuun Saudi-valitukseen.
3. USB 2.0 vs 3.0 -kaistanleveys: kuinka paljon todella tarvitset
Otsikkokaistanleveydet ovat tuttuja: USB 1,5 Mbps Low Speed, 12 Mbps Full Speed, 480 Mbps High Speed (USB 2.0), 5 Gbps SuperSpeed (USB 3.0), 10 Gbps SuperSpeed+ (USB 3.1) ja 20 Gbps USB 3.2. Mono 48 kHz, 16-bit -mikrofonivirta on 768 kbps; stereo 48 kHz, 16-bit -toistovirta isännästä kynään on 1,536 Mbps. Samanaikainen äänen kokonaiskaistanleveys on 2,3 Mbps, mikä sopii USB 1.1 Full Speedin (12 Mbps) sisään.
USB 2.0 vs 3.0 on merkityksellinen lukupuikossa laiteohjelmistopäivityksen ja sisällön latauksen kannalta. 256 MB:n laiteohjelmistokuva USB 2.0 High Speedillä kestää 5,6 sekuntia. Sama lataus USB 3.0 SuperSpeedillä kestää 0,6 sekuntia. Koulutusohjelmassa, jossa päivitetään 1 200 kynää vaunukerroittain, ero on 90 minuutin ja 10 minuutin päivityskierroksen välillä. Tuemme USB 2.0 High Speediä jokaisessa SKU:ssa. Emme tue USB 3.0 SuperSpeediä, koska liitinkustannuksen nousu (0,18 dollarista 0,42 dollariin) ei ole perusteltua kynässä, joka suoratoistaa ääntä ja ajoittaista laiteohjelmistoa.
| SKU | USB-versio | Liitin | Audio class | Suurin äänikaistanleveys | Laiteohjelmiston latausaika (256 MB) |
|---|---|---|---|---|---|
| B1 | USB 2.0 FS | Micro-B | UAC 1.0 | 768 kbps | 178 s |
| B2 | USB 2.0 FS | Micro-B | UAC 1.0 | 768 kbps | 178 s |
| F8 | USB 2.0 HS | USB-C | UAC 1.0 | 768 kbps | 5,6 s |
| K7 | USB 2.0 HS | USB-C | UAC 1.0 | 768 kbps | 5,6 s |
| KF1 | USB 2.0 HS | USB-C | UAC 1.0 | 768 kbps | 5,6 s |
| L5 | USB 2.0 HS | USB-C | UAC 2.0 | 2,3 Mbps | 5,6 s |
| P2 | USB 2.0 FS | Micro-B | UAC 1.0 | 768 kbps | 178 s |
| Q6 | USB 2.0 HS | USB-C | UAC 2.0 | 2,3 Mbps | 5,6 s |
| Q8 | USB 2.0 HS | USB-C | UAC 2.0 | 2,3 Mbps | 5,6 s |
| T2 | USB 2.0 HS | USB-C | UAC 2.0 | 2,3 Mbps | 5,6 s |
| Y6 | USB 2.0 HS | USB-C | UAC 2.0 | 2,3 Mbps | 5,6 s |
4. Mikrofonin sijoittelu ja akustinen suunnittelu
Mikrofonin sijoittelu on yhtä tärkeää kuin mikrofonin SNR. Jokaisessa lukukynässä MEMS-portti on sijoitettu rungon alimpaan kolmannekseen, 14–22 mm kirjoituskärjen yläpuolelle, 22 asteen ylöspäin suuntautuvaan kallistuskulmaan poispäin kirjoituspinnasta, koska lapsi pitelee kynää 45 asteen kirjoituskulmassa. Mittasimme kallistetun portin tuottavan 4 dB SNR-parannuksen suoraan alaspäin osoittavaan porttiin verrattuna 30 cm puhujaetäisyydellä.
Akustinen portti on 1,0 mm reikä, jonka takana on 0,4 mm hydrofobinen verkko. Verkko estää syljen ja pölyn pääsyn kalvolle. Hylkäsimme kaksi mikrofonierää vuonna 2024, koska verkko oli 0,2 mm ja päästi syljen läpi, mikä johti kalvon korroosioon 8 kuukauden kuluttua. Korvaavan verkon kustannus oli 0,014 $ yksikköä kohti ja pidensi tuotantoaikaa 4 päivällä.
Toinen akustinen suunnitteluratkaisu on tiiviste mikrofoniportin ja rungon välillä. Käytämme silikonista O-rengasta, jonka kovuus on 30 Shore A, jokaisessa premium-SKU:ssa (L5, Q6, Q8, T2, Y6). O-rengas eristää mikrofonin rungon värähtelyistä, kun kynää napautetaan pöytään. Ilman sitä naputusääni siirtyy mikrofoniin 78 dB SPL transienttina, jonka avainsanantunnistusneuroverkko saattaa ajoittain tulkita herätyssanaksi.
5. PDM vs analoginen mikrofoni: miksi premium-SKU:t ovat digitaalisia
Valinta analogisen MEMS-mikrofonin ja digitaalisen PDM MEMS-mikrofonin välillä on kompromissi BOM-kustannuksen, signaalin eheyden ja kellodomain-kompleksisuuden välillä. Analoginen MEMS maksaa 0,18 $ plus 0,04 $ ADC-kanavan isäntä-MCU:lla. Digitaalinen PDM MEMS maksaa 0,32 $ ja vaatii PDM–PCM-dekooderin audio-DSP:ssä. PDM-polku on 0,10 $ kalliimpi yksikköä kohti, mutta poistaa analogisen reitityksen piirilevyltä, joka on 60 Hz:n hurinan lähde EMI-kammiossamme.
Malleissa B1, B2 ja P2 hyväksymme analogisen polun, koska runko on pieni ja analoginen jälki voidaan pitää alle 8 mm:n pituisena. Malleissa F8, K7 ja KF1 siirrymme PDM:ään, koska analogisen jäljen pituus ylittäisi 12 mm. Malleissa L5, Q6, Q8, T2 ja Y6 käytämme PDM:ää, koska kela-rullan runko venyttää analogisen jäljen 18 mm:iin, mikä on liian pitkä puhtaalle äänelle EMI-marginaalissamme. Premium-SKU:t käyttävät matalakohinaista MEMS-mikrofonia, jonka SNR on 64 dB 61 dB:n sijaan, mikä lisää 0,06 $ yksikköhintaa.
6. USB-äänen näytteenottotaajuus, bittisyvyys ja ASR-vaikutukset
Näytteenottotaajuuden valinta vaikuttaa sekä äänenlaatuun että ASR-tarkkuuteen. Käytämme ASR:ään 16 kHz / 16-bittiä, koska se on avainsanantunnistusneuroverkon natiivi taajuus malleissa Q6/Q8/T2/Y6 sekä pilvi-ASR API -vararatkaisu kaikissa SKU:issa. Käytämme musiikin toistoon 48 kHz / 16-bittiä, koska se on toimittamiemme äänikirjojen standardi. 16-bittinen bittisyvyys on riittävä, koska mikrofonin SNR yltää enintään 65 dB:iin ja 16-bitin dynaaminen alue on 96 dB. 24-bitistä ei ole ASR-hyötyä lukukynässä.
Mielenkiintoisempi kompromissi on 48 kHz:n ja 96 kHz:n välillä musiikin toistossa. 96 kHz:n näytteenottotaajuus nostaisi audiovirran 3,07 Mbps:iin, mikä on yhä USB 2.0 High Speed -marginaalin sisällä, mutta ei tarjoa kuultavaa hyötyä 22 kHz kaistanleveyden kaiuttimella. Mittaamme jokaisen SKU:n 48 kHz rajalla. Jokaista OEM-ostajaa, joka pyytää 96 kHz toistoa, pyydetään toimittamaan perustelut; emme ole vielä nähneet yhtäkään.
7. Mikrofoniryhmä ja sädekeilaus: tulevaisuuden tiekartta
Emme tällä hetkellä toimita lukukynää, jossa on mikrofoniryhmä. Yksittäismikrofoniarkkitehtuuri riittää nykyisiin käyttötapauksiin. Seuraamme kahta tulevaisuuden suuntaa: kaksimikrofoniryhmää tulevaan premium-SKU:hun melunvaimennukseen yli 70 dB ympäristöissä sekä sädekeilaukseen kykenevää firmware-pinoa, joka voisi parantaa ASR-tarkkuutta luokkahuoneessa 2,4 prosenttiyksikköä WER:llä. Kaksimikrofoniryhmä lisäisi 0,40 $ BOM-kustannukseen ja vaatisi 32-bittisen audio-DSP:n 120 MHz:n taajuudella. Odotamme prototypoinnin alkavan Q2 2027 ja toimituksen tulevassa SKU:ssa Q1 2028.
Jos OEM-ohjelmassasi on ehdoton vaatimus monimikrofoniselle melunvaimennukselle retail-ympäristöissä, ota yhteyttä suunnittelutiimiimme ODM-lukukynät -kanavan kautta. Meillä on aktiivinen NRE-yhteistyömalli, jolla voidaan mitoittaa räätälöity kaksimikrofoniversio 12 kuukauden aikataululla.
8. USB-IF-vaatimustenmukaisuusnäkökulma
Jokainen USB-C-liittimellä varustettu lukukynä testataan USB-IF-vaatimustenmukaisuuden osalta. Noudatamme USB Type-C Cable and Connector Specification Release 2.2 -spesifikaatiota sekä USB Audio Device Class Specification 3.0 -spesifikaatiota. B2B-ostajille, jotka toimittavat markkinoille, joilla vaaditaan USB-IF-logo -sertifiointi (Japani, osat EU:ta), suosittelemme liittimen ja PD-ohjaimen hankkimista USB-IF-listatuilta toimittajilta. Toimittajamme on listattu TID-alueella 6 200 000 – 6 299 999.
Audio Class -vaatimustenmukaisuuden osalta lähetämme jokaisen firmware-version USB-IF Audio Class -lukukohtien testipakettiin, joka kattaa enumeration, muotojen neuvottelun, näytteenottotaajuuden sovituksen ja asynkronisen tilan käyttäytymisen. Meillä ei ole ollut yhtäkään USB-IF-vaatimustenmukaisuuden epäonnistumista millään audio-SKU:lla 36 kuukauteen. Vaatimustenmukaisuustestidokumentit ovat saatavilla pyynnöstä OEM-ostajille, jotka tarvitsevat niitä omiin USB-IF-hakemuksiinsa.
9. Mikrofonin yksityisyys ja aina-kuuntelu -kysymys
Kolme SKU:ta tukevat aina-kuuntelun herätyssanatilaa: Q6, Q8, T2 ja Y6. Aina-kuuntelutila pitää MEMS-mikrofonin biasoituina ja 32 MHz:n avainsanantunnistusneuroverkon käynnissä DSP:llä. Tila otetaan käyttöön piilotetun pitkän painalluksen valikko-kombinaation kautta; sitä ei ole oletuksena käytössä retail-SKU:issa. Ääni käsitellään kokonaan laitteella. Mitään ääntä ei lähetetä pilvipalvelimeen, ellei herätyssanaa laukaista, jolloin vain herätyssanan jälkeinen ääni lähetetään.
OEM-ostajille, jotka toimittavat markkinoille, joilla on tiukat mikrofonin suostumusta koskevat lait (Kalifornia, EU GDPR:n nojalla, Brasilia LGPD:n nojalla), suosittelemme, että aina-kuuntelutila toimitetaan oletuksena pois käytöstä ja selkeällä pakkauksen sisäisellä ilmoituksella. Toimitamme mallipohjan suostumusilmoituksesta vaatimustenmukaisuusdokumentaatio joka mukautuu kuhunkin markkinaan. Meillä ei ole ollut sääntelyyn liittyvää poikkeamaa 36 kuukauteen.
10. 9 kuukauden eteenpäin suuntautuva tiekartta
Seuraamme neljää äänipolun parannusta, jotka valmistuvat vuoden 2027 toiseen neljännekseen mennessä. Ensinnäkin 67 dB SNR MEMS -mikrofoni malleissa T2 ja Y6, jonka odotetaan pudottavan WER-tunnistusvirheen 65 dB ympäristössä 7,4 prosenttiin. Toiseksi UAC 2.0 -ohjainpinokehys Androidille, joka on parhaillaan beta-vaiheessa ja mahdollistaa lukukynän käytön ulkoisena mikrofonina Android-puhelimilla ilman Windows-rajoitusta. Kolmanneksi USB-C-liitin, jossa on 10 Gbps USB 3.2 -tuki tulevassa SKU-mallissa, laiteohjelmistopäivityksiä varten koulujen telakointiskenaarioissa. Neljänneksi yksityisyystilan laiteohjelmistobitti, joka fyysisesti katkaisee mikrofonin bias-LDO:n, kun kuuntelutila on pois käytöstä asetuksista, jolloin edes laiteohjelmiston tietoturva-aukko ei voi aktivoida mikrofonia ilman laitteistotason uudelleenaktivointia.
Julkaisemme seurantamuotoisen teknisen raportin 67 dB SNR MEMS -mikrofonin ja Android UAC 2.0 -ohjaimen toimituksen jälkeen. Ääniarkkitehtuuri on kypsä ja hyvin tuettu, ja kutsumme kaikki OEM-ostajat, joilla on räätälöityjä äänivaatimuksia, olemaan yhteydessä tukkukaupan lukukynät -tiimiimme toteutettavuusselvitystä varten.
Aiheeseen liittyvää luettavaa
- Lukukynän Type-C-lataus: USB PD, QC ja BC1.2 selitettynä
- Lukukynän Type-C-liittimen liitoskerta ja liittimen kuluminen
- Lukukynän ASR-automaattinen puheentunnistus
- Lukukynän MEMS-mikrofoni ja melunvaimennus
- Lukukynän Class D -audiovahvistimen suunnittelu
- Lukukynän virranhallinta ja käyttöajan optimointi
- Lukukynän Bluetooth 5.0 vs 5.2 vs 5.3
- Lukukynän OTA-laiteohjelmiston päivitysmekanismi