Public : Cet article est rédigé à l'attention des responsables produit techniques auprès des entreprises d'ed-tech, des éditeurs et des distributeurs importateurs qui évaluent l'expérience vocale multi-tours sur un stylo de lecture SmartReadingPen OEM/ODM — en particulier si un stylo peut maintenir une conversation cohérente sur au moins 5 tours sans perdre le contexte, et comment les choix de gestion du dialogue se traduisent en résultats en classe et en coût unitaire.
Un stylo de lecture n'est plus un appareil « clic et écoute » à usage unique. Dans les firmwares Q6, Q8 et T2 (respectivement 3.3.1 / 3.3.1 / 2.6.4), un apprenant peut dire :
« Que signifie photosynthèse ? » → le stylo donne la définition. « Pouvez-vous me donner un exemple ? » → le stylo lit une phrase contextuelle du livre en cours. « Testez-moi là-dessus » → le stylo élabore une question à choix multiples. « Rendez cela plus simple » → le stylo passe au vocabulaire de niveau 4e. « Lisez la réponse à voix haute » → le stylo synthétise vocalement la bonne réponse.
Cinq tours, quatre changements de contexte, un état de dialogue persistant. Malgez le gestionnaire de dialogue et le stylo répond au troisième tour comme s'il s'agissait du premier. Bonifiez-le et le même stylo justifie une prime tarifaire de 35 % par rapport aux concurrents à tour unique.
Ceci est le dossier technique sur notre pile de gestion du dialogue — le tracker d'état, le réseau de politique, les règles de repli et les critères d'acceptation exacts que nous transmettons à un pilote de district scolaire.
1. Pourquoi la gestion du dialogue diffère du NLU
La classification d'intention du NLU décide ce que l'utilisateur a dit. La gestion du dialogue décide ce que le système doit faire ensuite étant donné (a) la sortie NLU actuelle, (b) les tours précédents, (c) l'état de l'appareil (livre actuel, langue actuelle, niveau actuel) et (d) le profil utilisateur (niveau de lecture, indicateur d'accommodation dyslexie).
Un gestionnaire de dialogue pour stylo de lecture doit fonctionner entièrement sur l'appareil. Il y a trois raisons :
- Latence. Une conversation de 5 tours acheminée vers le cloud ajoute 250 à 600 ms par tour en plus de la latence NLU de 200 ms, dépassant le plafond de 350 ms.
- Confidentialité. La parole des mineurs ne peut pas transiter vers un cloud tiers en vertu de la COPPA, du RGPD-K, du PIPL et du LGPD sans consentement vérifiable explicite.
- Résilience hors ligne. Un déploiement scolaire de 12 000 unités dans une école d'État brésilienne ne peut pas dépendre du Wi-Fi de classe.
2. L'architecture de dialogue en trois couches
Notre firmware exécute un gestionnaire de dialogue multicouche que nous appelons RDM-DM (Reading-pen Dialogue Manager) :
| Couche | Fonction | Taille sur NAND | Latence (Q8) |
|---|---|---|---|
| Traqueur d'état de dialogue (DST) | Maintient un état de croyance sur 24 slots de dialogue | 3,4 Mo INT8 | 14 ms |
| Réseau de politique | Mappe l'état → action du système | 4,1 Mo INT8 | 11 ms |
| Générateur de réponses | Sélectionne un modèle TTS ou construit du SQL | 0 (modèles) | 6 ms |
Le DST est un encodeur récurrent BERT-small avec un réseau de pointeurs au niveau des slots. La politique est un Transformer à 2 couches entraîné avec une Optimisation de Politique Proximale sur 84 000 dialogues simulés plus 6 200 dialogues collectés auprès d'humains de la même cohorte d'enfants décrite dans notre bref NLU.
3. L'état de croyance à 24 slots
Le DST maintient une distribution de probabilité sur 24 slots de dialogue. Douze d'entre eux sont agnostiques au contenu (ex., current_grade, voice_speed, tts_voice, language_pair); douze sont liés au contenu (ex., current_book_id, chapitre_actuel, id_mot_actuel, score_quiz_session).
| Groupe de slots | Exemples de slots | Persistance |
|---|---|---|
| Profil utilisateur | tranche_age_utilisateur, indicateur_dyslexie, voix_preferee |
30 jours |
| État de session | livre_actuel, page_actuelle, intention_derniere |
session |
| État du quiz | quiz_actif, score_quiz, serie_quiz |
session |
| Paramètres | vitesse_voix, ton_voix, format_tts |
90 jours |
| Cache de contenu | derniere_definition, dernier_exemple, dernier_mot |
5 tours |
Un état de croyance est mis à jour à chaque tour avec 0,91 précision moyenne des créneaux sur les 12 locales, mesurée comme 1 − score de Brier moyen sur les 24 créneaux. Le DST effectue également résolution d'ellipse ("lis-le plus lentement" hérite du tts_speed précédent et le met à jour) et résolution de coréférence ("et celui-ci ?" pointe vers dernier_mot).
4. Réseau de stratégie et espace d'action
Le réseau de stratégie génère une distribution sur 38 actions système, incluant :
tts_read_word,tts_read_sentence,tts_read_pagedict_lookup,translate_to,quiz_next,quiz_repeatset_speed,set_voice,set_grade,set_languagebook_open,book_next_page,book_prev_page,book_closedemande_précision,offre_options,aide_secours
L'action avec la plus haute probabilité posteriori est distribuée, sous réserve d'un filtre de sécurité qui bloque toute action visant à modifier le code PIN parental, désactiver les drapeaux COPPA ou changer la région du micrologiciel sans authentification.
La politique est entraînée avec une récompense personnalisée qui combine :
- Succès de la tâche (+1,0 si l'objectif de l'utilisateur est atteint en 5 tours)
- Efficacité des tours (−0,05 par tour au-delà du minimum requis)
- Pénalité de latence (−0,001 par ms au-delà de 250 ms)
- Prime de sécurité (+0,2 si aucune règle de sécurité n'est déclenchée)
Cette récompense est calculée sur les 84 000 dialogues simulés générés par un simulateur d'utilisateur qui imite un enfant de 6 ans, de 9 ans et de 12 ans, chacun avec trois profils de bruit (sans bruit, bruit de salle de classe, bruit domestique).
5. Cohérence multi-tours en conditions réelles
Sur plus de 47 000 unités expédiées depuis 2023, nous avons mesuré la cohérence multi-tours comme la fraction des dialogues où le système résout correctement au moins une ellipse ou une coréférence en 5 tours. Le chiffre annuel glissant sur 12 mois est de 89,4 % en en-US, 86,2 % en zh-CN, 84,7 % en de-DE.
6. Récupération des échecs et stratégies de clarification
Un agent conversationnel qui ne peut pas récupérer d'un malentendu est inutile en classe. Notre politique intègre une cascade de clarification en 3 niveaux:
- Confirmation implicite — répéter la demande de l'utilisateur ("Tu veux que je lise plus lentement, c'est ça ?") et continuer.
- Clarification explicite — poser une question de désambiguïsation oui/non ("Voulais-tu 'traduire en espagnol' ou 'traduire en français' ?")
- Recours ouvert — proposer un menu des 3 principales intentions lues à voix haute ("Je peux lire ce mot, le traduire ou te tester. Lequel préfères-tu ?")
La cascade est déclenchée par un seuil de confiance sur la sortie de la politique : implicite si p ≥ 0,65, explicite si 0,40 ≤ p < 0,65, recours ouvert si p < 0,40. Sur nos 12 paramètres régionaux, le taux de recours moyen est de 4,1 % des tours, le taux le plus élevé étant en de-DE (6,8 %) en raison de l'ambiguïté des noms composés.
Conseil acheteur : Lorsque vous demandez un échantillon, enregistrez au moins 20 dialogues multi-tours dans le bruit de la salle de classe cible et comptez la fréquence à laquelle le stylo demande une clarification. Un taux de clarification supérieur à 8 % frustrera les enfants de 7 ans et entraînera des retours.
7. Empreinte sur l'appareil et impact sur la batterie
L'ensemble du gestionnaire de dialogue — DST, politique et modèles — ajoute 7,5 Mo à l'image du micrologiciel. La quantification INT8 est obligatoire ; FP32 ferait passer le budget NAND Q8 de 256 Mo à 312 Mo et nécessiterait une refonte de la carte. Le dialogue multi-tours continu à la latence P95 nominale (38 ms) consomme 31 mWà partir de la cellule de 1 000 mAh du Q8, qui estnégligeable par rapport à la puissance de lecture TTS de 480 mW. Une session de conversation de 30 minutes consomme environ 6% de batterie, laissant la fenêtre de lecture audio nominale de 7,0 h intacte pour la lecture normale.
8. Personnalisation sans cloud
Chaque stylo contient un profil utilisateur en NAND chiffré (AES-128-XTS) validé par le numéro de série de l'appareil. Le profil stocke :
- Niveau de lecture (détecté automatiquement à partir de la précision du quiz, plage K-12)
- Indicateur d'accommodation pour la dyslexie (défini par le parent dans l'application compagnon)
- Voix et vitesse préférées (mis à jour lorsque l'utilisateur émet
set_speed3+ fois) - Journal de session de 30 jours (200 derniers tours de dialogue, hachés localement)
Les profils sont jamais téléchargés sans consentement parental explicite et signé. Le comportement par défaut est local uniquement. Il s'agit d'un engagement contractuel dans le cadre de notre note de conformité RGPD et se reflète dans la fonctionnalité contrôles parentaux COPPA .
9. Parcours de personnalisation OEM pour les éditeurs et les marques
Un co-branding de maison d'édition ou marque de jouets éducatifs souhaite généralement des modèles de dialogue de marque : « Bonjour, je suis le Capitaine Comète des Éditions Galaxie. Qu'aimeriez-vous explorer ? » Options de personnalisation :
| Personnalisation | NRE unique | Redevance par unité |
|---|---|---|
| Salutation de marque (1 voix, 1 langue) | 1 200 $ | 0 $ |
Intention personnalisée (p. ex., open_publisher_activity) |
2 400 $ | 0,04 $ |
| Flux de dialogue personnalisé (jusqu'à 8 tours) | 8 500 $ | 0,08 $ |
| Voix de marque (TTS personnalisé, voir TC-136) | à partir de 18 000 $ | 0,25 $ |
Ces tarifs sont proposés dans le cadre d'un accord-cadre de stylos de lecture en gros avec un MOQ de 3 000 unités pour les moules personnalisés et de 5 000 unités pour la marque blanche. Le délai de production de masse à partir du lancement est de 75 jours pour un flux de dialogue personnalisé, incluant 14 jours de pilote en classe et 7 jours de tests de red-team.
10. Ce qu'il faut vérifier avant de signer
Cinq contrôles d'ingénierie non négociables pour tout fournisseur de stylos de lecture prétendant proposer une « IA conversationnelle » :
- De bout en bout sur l'appareil ? Exigez un test de coupure réseau pendant le pilote. Si le dialogue s'arrête, c'était dépendant du cloud.
- Métrique de cohérence multi-tours. Demandez le taux de cohérence sur 5 tours par locale sur un ensemble de test isolé d'au moins 1 000 dialogues. En dessous de 80 %, ce n'est pas prêt pour la classe.
- Latence sous charge. Mesurez la latence P95 sur un Q6 ou Q8 avec la synthèse vocale en arrière-plan. Au-dessus de 350 ms, les enfants perdent patience.
- Taux de repli. En dessous de 5 % en en-US, en dessous de 7 % sur la locale la plus faible.
- Portabilité du profil. Un enfant peut-il transférer son profil vers un nouveau stylo via l'application compagnon, ou le profil est-il verrouillé à l'appareil ? Pour les districts scolaires avec des flottes d'appareils partagés, la réponse compte.
Lectures connexes
- Stylo de lecture Classification d'intentions NLU et remplissage de créneaux
- Stylo de lecture Détection du mot de réveil et écoute permanente
- Stylo de lecture ASR Reconnaissance automatique de la parole
- Stylo de lecture Moteur de traduction hors ligne et précision
- Stylo de lecture Cas d'utilisation Histoire du coucher en famille
- Stylo de lecture Cas d'utilisation Co-branding maison d'édition
11. Empreinte de production et contexte de l'usine
Le module de gestionnaire de dialogue — DST, réseau de stratégie, modèles de réponse et profil utilisateur chiffré — est intégré dans chaque image de micrologiciel de stylo de lecture SmartReadingPen OEM/ODM flashée dans nos lignes de production de Shenzhen Longhua et Dongguan Houjie. Les deux lignes fonctionnent sous les certifications ISO 9001 et ISO 14001 et appliquent la discipline de contrôle de processus de style IATF 16949 adaptée à l'électronique grand public. Le débit quotidien moyen est de 6 800 unités finies par jour avec un pic de 11 400 unités pendant la rentrée scolaire de septembre 2025. Le module de dialogue de 7,5 Mo réside dans une partition de micrologiciel signée qui est vérifiée par SHA-256 contre le manifeste à chaque démarrage à froid ; un échec de vérification force le stylo en mode de récupération qui re-flash depuis l'image dorée dans le plan NAND secondaire. Les références B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 et Y6 sont livrées avec des clés AES-128-XTS par appareil fusionnées pendant la station FCT, de sorte que l'état de croyance de chaque utilisateur est lié à une clé unique qui ne peut pas être exportée. Le rendement de première passe en production de masse est en moyenne de 98,6 % au niveau AQL II (Critique 0, Majeur 1,0, Mineur 2,5). Le calendrier de production est réservable 75 jours avant la date d'expédition demandée pour les références standard et 105 jours pour un moule personnalisé ou un flux de dialogue marqué. Pour réserver un créneau de production ou pour demander un aperçu d'échantillon de flux de dialogue, notre équipe de gestion de programme répond dans un jour ouvrable.
12. Couverture de certification dans 47 pays
Chaque stylo intégrant le gestionnaire de dialogue est livré avec un portefeuille de certifications adapté au marché de destination : CE (RED/EMC/LVD), FCC Part 15, UKCA, EN 71-1/2/3, ASTM F963, CPSIA/CPC, RoHS, REACH, PSE (Japon), KC (Corée), GCC/SFDA (Arabie saoudite), SNI (Indonésie), NOM (Mexique), INMETRO (Brésil), RCM (Australie/NZ), NRCS LOA (Afrique du Sud), et ESMA/TIS (Émirats arabes unis/Thaïlande). L'expédition des batteries est couverte par UN38.3 et IEC 62133 avec documentation MSDS documentation ; la protection des données est documentée pour RGPD, COPPA, PIPL, LGPD, Thailand PDPA, et California Prop 65. Le gestionnaire de dialogue lui-même ne transmet pas d'audio ou d'état de croyance hors de l'appareil, ce qui constitue l'atout de conformité le plus fort pour les cycles d'approvisionnement des districts scolaires qui exigent des preuves vérifiables de minimisation des données COPPA et RGPD-K. Pour les nouvelles juridictions en dehors de l'empreinte actuelle de 47 pays, un nouveau dossier est produit à 1 800 $ par locale avec un délai de 15 jours ouvrables ; les packages de dossiers en vrac pour les déploiements multinationaux sont chiffrés à l'estimation-de-prix intake.
13. Référence tarifaire OEM et délais de livraison
Le gestionnaire de dialogue est inclus dans le bundle micrologiciel standard au prix usinier de 3,80 $–14,50 $ par unité pour les 11 références de production. Paliers : le P2 (500 mAh) entrée de gamme au tarif le plus bas, le mid-band B1/B2/F8/K7/KF1 à 5,40 $–8,60 $, le mid-band L5/P2/Q6 à 7,20 $–10,40 $, et le premium Q8/T2/Y6 à 11,80 $–14,50 $ avec NAND et batterie plus grandes. Les salutations personnalisées coûtent 1 200 $ NRE sans royautés, les intents personnalisés 2 400 $ NRE plus 0,04 $ par unité, les flux de dialogue en 8 tours personnalisés 8 500 $ NRE plus 0,08 $ par unité, et une voix personnalisée entièrement clonée (couplée à notre pipeline de prosodie) commence à 18 000 $ NRE avec une royauté de 0,25 $ par unité. Paliers QNM : 500 unités pour neutre stock, 1 000 pour couleur personnalisée, 3 000 pour logo sérigraphié personnalisé, 5 000 pour marque blanche complète avec emballage détail. Le délai standard est de 75 jours de la commande à l'ex-usine, avec des voies accélérées en 45 jours disponibles moyennant une majoration de 12 % pour les commandes supérieures à 10 000 unités. Conditions de paiement : T/T 30/70, L/C à vue, OA pour acheteurs récurrents, et PayPal pour les commandes d'échantillons.
14. Métriques de validation internes issues de plus de 47 000 unités expédiées
Après plus de 47 000 unités déployées dans 47 pays depuis 2023, le gestionnaire de dialogue a enregistré 2,4 millions de sessions de dialogue et 11,4 millions de tours individuels. L'action la plus fréquente dispatchée est tts_read_word (38,2 % des tours), suivie de translate_to (22,7 %), dict_lookup (14,1 %), quiz_next (9,4 %), set_speed (5,8 %), et book_next_page (4,3 %). Les 5,5 % restants sont répartis sur 32 actions moins fréquentes, notamment demander_clarification_retour, aide_repli, et appairer l'appareil. La durée moyenne de session est 6,2 tours et la longueur au 95e percentile est 11,4 tours. L'abandon de session (tours qui se terminent sans action explicite arrêt ou fermer_le_livre) est 3,8 %, principalement dû à la reprise physique du stylo par un parent ou un frère en cours de dialogue. L'accord-cadre des stylos de lecture en grosl'accord-cadre couvre 86 versions de micrologiciel à ce jour sur les 11 SKU, avec une carte de version actuelle de B1/B2 à 2.4.7, F8 à 3.1.2, K7/KF1 à 1.9.5, L5 à 4.2.0, P2 à 2.0.3, Q6/Q8 à 3.3.1 et T2/Y6 à 2.6.4.
15. Points clés pour l'acheteur technique
Cinq règles empiriques pour l'approvisionnement en gestionnaires de dialogue OEM/ODM :
- Lancez toujours un pilote de 30 appareils / 14 jours avant le bon de commande principal. Les données du pilote capturent le vrai taux de repli (4,1 % en-US de base) et le vrai nombre de cohérence sur votre ensemble de contenu.
- Spécifiez le nombre maximal de tours de session au démarrage. Nous définissons par défaut 12 tours avant la réinitialisation de l'état de croyance ; les sessions plus longues présentent un risque de dérive des créneaux.
- Verrouillez la copie du modèle avec l'équipe de publication avant le verrouillage du micrologiciel. Un changement de modèle après le micrologiciel 3.x coûte 0,08 $ par unité pour re-OTA vers tous les appareils sur le marché.
- Réservez 5 jours ouvrables pour la révision des règles de sécurité avec notre équipe de conformité. Le code PIN parental, l'indicateur COPPA et les règles de sécurité de verrouillage régional ne sont pas négociables et ne peuvent pas être désactivés sur demande OEM.
- Planifiez une cohorte canari de 5 % pour le premier déploiement OTA de tout changement de flux de dialogue. Le canari détecte les régressions de politique avant qu'elles n'atteignent l'ensemble du parc.