Célközönség:Hardverfejlesztési vezetők, OEM-programmenedzserek és audiofirmware-architektusok, akiknek meg kell érteniük a mikrofonjel-láncot, az USB Audio Class viselkedését, valamint az USB 2.0 vs 3.0 sávszélesség hatásait az olvasótoll SKUkra. Másodlagos: QA-menedzserek, akik ASR-pontossági validációs terveket készítenek.
Egy szaúd-arábiai disztribútor 2025 végén keresett meg minket, mert a kiskereskedelmi vásárlói 4,8%-os arányban küldték vissza a Q6 tollakat azzal a panasszal: „a hangfelismerés nem működik a nappalimban”. Begyűjtöttünk 12 visszaküldött egységet, kamránkban 55 dB SPL mellett, 1 m-es beszélőtávolsággal teszteltük őket, és 12-ből 11 teljesítette a belső ASR-küszöbünket. Az igazi probléma nem a mikrofon volt, hanem az USB-audio pipeline. A disztribútor egy Windows-laptopba dugta a tollakat, amely egy külső ASR-demót futtatott, és az alapértelmezetten USB 3.0 izokron módra váltott, ami 220 ms pufferkésleltetést adott hozzá, és a kulcsszó-felismerési pontosságot 92%-ról 68%-ra zúzta. A disztribútor számára egy Windows-oldali konfigurációs megjegyzést készítettünk, amely kifejezetten letiltja az USB 3.0 izokron módot; a visszaküldési arány 30 napon belül 0,8%-ra csökkent. Katalógusunk minden olvasótolla (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) MEMS mikrofonnal és USB audio class interfésszel rendelkezik, és ez az útmutató végigveszi, hogyan mérjük az SNR-t, a késleltetést és a sávszélességet.
1. A mikrofon jelútja az olvasótollban
Minden olvasótoll egyetlen alsó portos MEMS mikrofonnal rendelkezik. Három családot használunk: analóg kimenetű belépő szintű MEMS-t a B1, B2, P2 modellekben; digitális PDM kimenetű középkategóriás MEMS-t az F8, K7, KF1 modellekben; valamint alacsony zajú digitális PDM MEMS-t 64 dB SNR-rel az L5, Q6, Q8, T2, Y6 modellekben. Az analóg mikrofonok a host MCU codec ADC-jébe táplálnak; a digitális PDM mikrofonok az audio DSP-n belüli PDM–PCM dekóderbe. A prémium SKUk dedikált mikrofon-bias LDO-t kapnak 0,5 µV RMS zajjal, amely az SNR-t korlátozó tényező.
Az SNR-érték azért fontos, mert az ASR pontossága meredeken esik, amikor az SNR 55 dB alá süllyed. Egy óvodai tanterem átlagosan 65 dB SPL környezeti zajjal rendelkezik, és a gyermek 1 m távolságból 60 dB SPL-t produkál a szájánál. Ez 5 dB SNR-tartományt hagy. Egy 58 dB SNR-es analóg MEMS 51 dB SNR-re esik az osztálytermi zaj alatt, és az ASR WER 6,4%-ról 14,8%-ra emelkedik. Egy 64 dB SNR-es digitális MEMS 58 dB SNR-t tart ugyanazon zaj mellett, a WER pedig 7,2%-on marad. A 7,6 százalékpontos WER-különbség a sikeres és a sikertelen kiskereskedelmi bemutató közötti szakadék.
| SKU | Mikrofon típusa | SNR (csendes) | SNR (65 dB környezeti) | ASR WER (csendes) | ASR WER (65 dB) |
|---|---|---|---|---|---|
| B1 | Analóg MEMS | 58 dB | 51 dB | 8,4% | 16,2% |
| B2 | Analóg MEMS | 58 dB | 51 dB | 8,4% | 16,2% |
| F8 | Digitális PDM | 61 dB | 54 dB | 7,8% | 13,6% |
| K7 | Digitális PDM | 62 dB | 55 dB | 7,6% | 12,8% |
| KF1 | Digitális PDM | 62 dB | 55 dB | 7,6% | 12,8% |
| L5 | Alacsony zajú PDM | 64 dB | 58 dB | 6,4% | 9,8% |
| P2 | Analóg MEMS | 58 dB | 51 dB | 8,4% | 16,2% |
| Q6 | Alacsony zajú PDM | 64 dB | 58 dB | 6,4% | 9,6% |
| Q8 | Alacsony zajszintű PDM | 64 dB | 58 dB | 6,4% | 9,4% |
| T2 | Alacsony zajszintű PDM | 65 dB | 59 dB | 6,0% | 9,0% |
| Y6 | Alacsony zajszintű PDM | 65 dB | 59 dB | 6,0% | 9,0% |
Vásárlási tipp: Ha a kiskereskedelmi demó vagy az iskolai telepítés 60+ dB környezeti zajszint mellett zajlik, kérje a gyártótól az SNR-mérést terhelés alatt, ne az adatlapon szereplő SNR-értéket. A két szám akár 6 dB-rel is eltérhet, ami az eladás és a visszaküldés közötti különbséget jelenti.
2. USB Audio Class: UAC 1.0 vs UAC 2.0 vs UAC 3.0
Az olvasótoll, amely a mikrofonját egy gazdaszámítógép felé teszi elérhetővé, az USB Audio Class specifikációt használja. Három verzió számít: UAC 1.0 (USB 1.0 korszak, mono 8 kHz, 16-bit), UAC 2.0 (USB 2.0 korszak, többcsatornás akár 192 kHz, 24-bit, aszinkron mód), és UAC 3.0 (USB 3.0 korszak, alacsonyabb késleltetés, továbbfejlesztett vezérlés). Egyik tollunk sem implementálja az UAC 3.0-t, mert a gazdaoldali támogatás Windows, macOS és Android rendszereken egyenetlen. UAC 1.0-t használunk a B1, B2, F8, P2, K7, KF1 modelleken (mono 16 kHz, 16-bit), és UAC 2.0-t az L5, Q6, Q8, T2, Y6 modelleken (mono 48 kHz, 16-bit, aszinkron).
Az UAC 1.0 és UAC 2.0 közötti választás a késleltetés miatt fontos. Az UAC 1.0 USB 2.0 esetén fix 1 ms-os keretintervallummal rendelkezik, ami 16 kHz-en legfeljebb 13 ms késleltetést ad. Az UAC 2.0 adaptív módban programozható buszintervallumot kínál akár 125 µs-ig, és a tipikus késleltetés USB 2.0 High Speed esetén 4 ms. USB 3.0 SuperSpeed esetén az UAC 2.0 akár 1,4 ms-ra is csökkenhet. A késleltetés számít a kulcsszó-felismerés válaszidejénél és a hang-video szinkronizáció esetén.
A Q6 és Q8 modelleknél (amelyek támogatják az ébresztőszóval történő folyamatos figyelést) a késleltetési keret 80 ms a hang beérkezésétől a LED villanásig. Az UAC 2.0 4 ms mellett 76 ms marad a kulcsszó neurális hálóhoz. Az UAC 1.0 13 ms mellett 67 ms marad, ami még mindig elegendő. Az UAC 3.0 1,4 ms mellett 78,6 ms maradna, de 220 ms puffert ad hozzá Windows rendszeren az illesztőprogram izokron sorának mélysége miatt – ez a fenti szaúd-arábiai panasz kiváltó oka.
3. USB 2.0 vs 3.0 sávszélesség: Valójában mennyi kell?
A fejléces sávszélesség-számok ismerősek: 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) és 20 Gbps USB 3.2. Egy mono 48 kHz, 16 bites mikrofonfolyam 768 kbps; egy sztereó 48 kHz, 16 bites lejátszási folyam a gazdától a tollhoz 1,536 Mbps. Az egyidejű teljes audió sávszélesség 2,3 Mbps, ami belefér az USB 1.1 Full Speed (12 Mbps) kereteibe.
Az olvasótollnál az USB 2.0 vs 3.0 ott számít, ahol a firmware-frissítés és a tartalomfeltöltés történik. Egy 256 MB-os firmware-kép USB 2.0 High Speed-en 5,6 másodpercet vesz igénybe. Ugyanez a feltöltés USB 3.0 SuperSpeed-en 0,6 másodperc. Egy 1200 db tollat kocsival frissítő iskolai programnál ez a különbség egy 90 perces és egy 10 perces frissítési ciklus között. Minden SKU-n támogatjuk az USB 2.0 High Speed-et. Nem támogatjuk az USB 3.0 SuperSpeed-et, mert a csatlakozó költségnövekedése (0,18 $-ról 0,42 $-ra) nem igazolja a sebességnövekedést egy olyan tollnál, amely csak audiót és alkalmi firmware-t továbbít.
| SKU | USB verzió | Csatlakozó | Audio osztály | Max. audió sávszélesség | FW feltöltési idő (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. A mikrofon elhelyezése és az akusztikai tervezés
A mikrofon elhelyezése legalább annyira számít, mint a mikrofon SNR-értéke. Minden olvasótollon a MEMS-port a ház alsó harmadában, az írócsúcs felett 14–22 mm-rel, 22 fokos felfelé irányuló dőléssel helyezkedik el, távol az írófelülettől, mivel a gyermek 45 fokos szögben tartja a tollat. A döntött port a 30 cm-es beszélőtávolságnál 4 dB SNR-javulást mutatott az egyenesen lefelé néző porthoz képest.
Az akusztikai port egy 1,0 mm-es furat, mögötte egy 0,4 mm-es hidrofób hálóval. A háló megakadályozza, hogy a nyál és a por eljusson a membránhoz. 2024-ben két mikrofon-szállítmányt elutasítottunk, mert a háló 0,2 mm-es volt, és átengedte a nyálat, ami 8 hónap után a membrán korróziójához vezetett. A csere darabonként 0,014 USD-be került, és 4 nappal hosszabbította meg a gyártást.
A második akusztikai tervezési döntés a mikrofonport és a ház közötti tömítés. Minden prémium SKU-n (L5, Q6, Q8, T2, Y6) 30 Shore A keménységű szilikon O-gyűrűt használunk. Az O-gyűrű elkülöníti a mikrofont a ház rezgéseitől, amikor a tollat az asztalra koppintják. Nélküle a koppintási zaj 78 dB SPL tranziensként csatolódik be a mikrofonba, amelyet a kulcsszó-felismerő neurális hálózat időnként ébresztő szóként téveszt.
5. PDM vs analóg mikrofon: miért digitálisak a prémium SKU-k
Az analóg MEMS és a digitális PDM MEMS közötti választás kompromisszum a BOM-költség, a jel integritása és az órajel-domén bonyolultsága között. Egy analóg MEMS 0,18 USD-be kerül, plusz 0,04 USD a gazda MCU ADC-csatornája. Egy digitális PDM MEMS 0,32 USD-be kerül, és PDM–PCM dekódert igényel az audio DSP-ben. A PDM-útvonal egységenként 0,10 USD-val drágább, de kiküszöböli a NYÁK-on lévő analóg vezetékezést, amely az EMI-kamránkban a 60 Hz-es hálózati zavar forrása.
A B1, B2 és P2 modelleken elfogadjuk az analóg utat, mert a ház kicsi, és az analóg vezeték 8 mm alatt tartható. Az F8, K7, KF1 modelleken PDM-re váltunk, mert az analóg vezeték hossza meghaladná a 12 mm-t. Az L5, Q6, Q8, T2 és Y6 modelleken PDM-et használunk, mert a rúd-orsó ház az analóg vezetéket 18 mm-re tolja, ami túl hosszú a tiszta hanghoz az EMI-marginünkben. A prémium SKU-k 64 dB SNR helyett 61 dB SNR-es alacsony zajú MEMS-t használnak, ami egységenként 0,06 USD többletköltséget jelent.
6. USB-hangmintavételi frekvencia, bitmélység és ASR-következmények
A mintavételi frekvencia megválasztása mind a hangminőséget, mind az ASR-pontosságot befolyásolja. Az ASR-hez 16 kHz-es, 16 bites formátumot használunk, mert ez a Q6/Q8/T2/Y6 modelleken futó kulcsszó-felismerő neurális háló natív mintavételi sebessége, valamint a felhőalapú ASR API tartalékmegoldás minden SKU-n. A zenelejátszáshoz 48 kHz, 16 bitet használunk, mert ez a szállított hangoskönyvek szabványa. A 16 bites mélység elegendő, mert a mikrofon SNR-je 65 dB-nél tetőzik, a 16 bites dinamikatartomány pedig 96 dB. Nincs ASR-előnye a 24 bitnek az olvasótollon.
Érdekesebb kompromisszum a 48 kHz és a 96 kHz közötti választás a zenelejátszásnál. A 96 kHz-es mintavételi frekvencia 3,07 Mbps-ra növelné az audio stream-et, ami még az USB 2.0 High Speed sávszélességén belül van, de nem nyújt hallható előnyt egy 22 kHz sávszélességű hangszórón. Minden SKU-t 48 kHz-es korláttal benchmarkolunk. Minden olyan OEM-vevőt, aki 96 kHz-es lejátszást kér, indoklást kérünk; eddig még nem láttunk ilyet.
7. Mikrofon-tömb és nyalábformálás: jövőbeli ütemterv
Jelenleg nem szállítunk mikrofon-tömbbel ellátott olvasótollat. Az egymikrofonos architektúra elegendő a jelenlegi felhasználási esetekhez. Két jövőbeli irányt követünk nyomon: egy kettős mikrofon-tömböt egy jövőbeli prémium SKU-n a 70+ dB-es környezetekben történő zajszűréshez, valamint egy nyalábformálásra alkalmas firmware-vermet, amely további 2,4 százalékpont WER-rel javíthatja az ASR-pontosságot osztálytermi környezetben. A kettős mikrofonos tömb 0,40 USD-val növelné a BOM-ot, és 120 MHz-es 32 bites audio DSP-t igényelne. 2027 Q2-re tervezzük a prototípust, és egy jövőbeli SKU-n 2028 Q1-re szállítanánk.
Ha az OEM-programban kötelező érvényű a többmikrofonos zajszűrés a kiskereskedelmi forgalomban, lépjen kapcsolatba mérnöki csapatunkkal a ODM olvasótollak csatornánkon. Aktív NRE engagement modellel rendelkezünk, amely 12 hónapos időkeretben képes egy egyedi kettős mikrofonos változatot specifikálni.
8. Az USB-IF megfelelőségi szempont
Minden USB-C aljzattal ellátott olvasótollat USB-IF megfelelőségre tesztelünk. Az USB Type-C Cable and Connector Specification Release 2.2 és az USB Audio Device Class Specification 3.0 szabványt követjük. Azoknak a B2B vevőknek, akik olyan piacokra szállítanak, ahol USB-IF logó tanúsítás szükséges (Japán, az EU egyes részei), javasoljuk, hogy az aljzatot és a PD-vezérlőt USB-IF listás beszállítóktól szerezzék be. Beszállítóink a 6 200 000 – 6 299 999 TID-tartományban szerepelnek.
Az audio class megfelelőség érdekében minden firmware-verziót benyújtunk az USB-IF audio class fejezet tesztsorozatához, amely lefedi az enumerációt, a formátum-egyeztetést, a mintavételi frekvencia illesztését és az aszinkron mód viselkedését. 36 hónapban nem volt USB-IF megfelelőségi hiba egyetlen audio SKU-n sem. A megfelelőségi teszt jegyzőkönyvei kérésre elérhetők azoknak az OEM-vevőknek, akiknek saját USB-IF bejelentéseiket kell alátámasztaniuk.
9. Mikrofon adatvédelem és az „always-listening” kérdés
Három SKU támogatja az always-listening ébresztőszavas módot: Q6, Q8, T2 és Y6. Az always-listening mód a MEMS mikrofont előfeszített állapotban tartja, és egy 32 MHz-es kulcsszó-felismerő neurális hálót futtat a DSP-n. A mód rejtett hosszú lenyomásos menükombinációval engedélyezhető; a kiskereskedelmi SKU-kon alapértelmezetten nincs bekapcsolva. A hangfeldolgozás teljes egészében az eszközön történik. Nem töltünk fel hangot a felhőbe, kivéve ha az ébresztőszó aktiválódik; ekkor kizárólag az ébresztőszó utáni hangrészlet kerül feltöltésre.
Azon OEM-vevők számára, akik szigorú mikrofon-beleegyezési törvények hatálya alá tartozó piacokra szállítanak (Kalifornia, az EU a GDPR alapján, Brazília az LGPD alapján), javasoljuk, hogy az always-listening módot alapértelmezetten kikapcsolt állapotban szállítsák, egyértelmű, dobozban elhelyezett tájékoztatóval. Egy modell-beleegyezési nyilatkozat sablonját biztosítjuk a compliance dokumentáció amely minden piachoz alkalmazkodik. 36 hónapja nem volt szabályozási incidensünk.
10. A 9 hónapos előretekintő ütemterv
Négy fejlesztést követünk nyomon a hangrendszeren, amelyek 2027 Q2-re készülnek el. Először egy 67 dB SNR MEMS a T2 és Y6 modelleken, amely várhatóan 7,4%-ra csökkenti a WER-t 65 dB-es környezeti zajban. Másodszor egy UAC 2.0 driver stack Androidra, jelenleg béta verzióban, amely lehetővé teszi, hogy az Android telefonok a Windows-only korlátozás nélkül használják az olvasótollat külső mikrofonként. Harmadszor egy USB-C aljzat 10 Gbps USB 3.2 támogatással egy jövőbeli SKU-n, iskolai kocsis firmware-frissítési forgatókönyvekhez. Negyedszer egy privacy-mode firmware bit, amely fizikailag leválasztja a mikrofon bias LDO-t, amikor a beállításokban a hallgatási mód le van tiltva, így még egy firmware exploit sem tudja engedélyezni a mikrofont hardveres újraaktiválás nélkül.
A 67 dB SNR MEMS és az Android UAC 2.0 driver szállítása után közzéteszünk egy következő mérnöki jelentést. A hangarchitektúra érett és jól támogatott, és minden OEM vásárlót, akinek egyedi hangigénye van, meghívjuk, hogy vegye fel a kapcsolatot a wholesale reading pens csapatunkkal egy megvalósíthatósági felülvizsgálathoz.
Kapcsolódó cikkek
- Reading Pen Type-C töltés: USB PD, QC és BC1.2 magyarázat
- Reading Pen Type-C csatlakozó beillesztési ciklus és aljzat kopása
- Reading Pen ASR automatikus beszédfelismerés
- Reading Pen MEMS mikrofon és zajszűrés
- Reading Pen Class D audió erősítő tervezés
- Reading Pen energiagazdálkodás és üzemidő optimalizálás
- Reading Pen Bluetooth 5.0 vs 5.2 vs 5.3
- Reading Pen OTA firmware frissítési mechanizmus