Audience: Brief teknis ini ditulis untuk hardware product managers, audio engineers, dan pembeli OEM/ODM yang sedang mengevaluasi apakah sebuah SmartReadingPen reading pen mampu menangkap suara anak pada jarak percakapan (0,3–1,5 m) di kelas nyata (55–75 dB SPL) tanpa anak harus mendekatkan pena ke mulut.
Reading pen yang digenggam 5 cm dari mulut memang mudah dirancang. Namun sebuah reading pena sebesar spidol, diletakkan mendatar di meja, mampu menangkap bisikan "terjemahkan ke Bahasa Spanyol" dari anak usia 9 tahun yang duduk 80 cm jauhnya sementara 28 teman sekelasnya berbicara di latar belakang — itulah masalah audio far-field. Array mikrofon, algoritma beamforming, dan pipeline noise suppression semuanya harus tepat, atau pena akan gagal begitu guru berhenti memegangnya.
Ini adalah brief teknis mengenai 2-MEMS microphone array kami, pipeline beamforming dan post-filter yang berjalan pada audio DSP, serta protokol uji SNR kelas yang sebaiknya Anda jalankan sebelum menerima kiriman wholesale reading pens mana pun.
1. Masalah Far-Field dalam Angka
Anak usia 6 tahun yang berbicara dengan usaha percakapan menghasilkan suara 55 dB SPL pada jarak 1 m. Begitu suara yang sama sampai ke pena yang tergeletak mendatar di meja, levelnya turun 6 dB (hukum kuadrat terbalik di near field) ditambah lagi 4 dB dari difraksi batang pena dan oklusi ground plane PCB, sehingga jatuh ke sekitar 45 dB SPL pada diafragma MEMS.
Kebisingan kelas di sekitarnya — 28 anak pada 55 dB SPL masing-masing, dijumlahkan secara incoherent, ditambah HVAC pada 50 dB SPL — menghasilkan latar belakang 62 dB SPL di pena. Signal-to-noise ratio pada membran mikrofon oleh karena itu adalah −17 dB, yang berada di bawah noise floor dari engine ASR membran tunggal mana pun.
Solusinya adalah pipeline microphone array + beamforming yang menambahkan selektivitas spasial di atas spectral noise suppression.
2. Geometri 2-MEMS Array
Array referensi kami menggunakan dua mikrofon MEMS Knowles SPH0645HT4H-1 yang dipasang pada sisi atas main PCB, berjarak sepanjang sumbu panjang batang pena. Kedua mikrofon menghadap ke depan (menjauhi tangan pengguna). Geometri ini dipilih untuk memaksimalkan diskriminasi spasial pada sepanjang sumbu panjang batang pena. Kedua mikrofon menghadap ke depan (menjauhi tangan pengguna). Geometri ini dipilih untuk memaksimalkan diskriminasi spasial dalambidang azimuth (kiri/kanan ujung pena) sambil menjaga array cukup kecil untuk masuk ke dalam housing pena 142 mm.
| Parameter | Nilai | Dasar pemikiran teknis |
|---|---|---|
| Jarak mic | 24 mm | λ/2 pada 7,2 kHz, menekan spatial aliasing untuk pita ucapan (300 Hz – 4 kHz) |
| Sample rate | 16 kHz | Nyquist pada 8 kHz mencakup pita ucapan |
| Bit depth | 24-bit | Rentang dinamis 106 dB, headroom untuk puncak 95 dB SPL |
| Polar pattern (masing-masing) | Omnidirectional | Memungkinkan delay-and-sum beamforming tanpa ambiguitas fase |
| Kesamaan sensitivitas | ±1 dB | Diperlukan untuk akurasi null-steering |
Kedua mic disinkronkan waktunya dalam ±5 µs melalui shared PDM clock. Drift akibat suhu dikompensasi di firmware setiap 30 detik.
3. Pipeline Beamforming
Pipeline DSP berjalan setiap 10 ms pada frame audio PDM stereo 16 ms:
- PDM decimation ke 16 kHz PCM
- DC blocker (IIR high-pass pada 80 Hz, orde 2)
- Delay compensation — pre-steering delay 3 sampel diterapkan ke Mic A
- Delay-and-sum beamformer — Mic A ditunda sebesar
Δt = (d · cos θ) / c, dijumlahkan dengan Mic B, denganθestimasi melalui pencarian GCC-PHAT (Generalized Cross-Correlation with Phase Transform) pada belahan 0°–180° - Filter pasca MVDR — filter adaptif Minimum Variance Distortionless Response, 32-tap, diperbarui setiap 100 md
- Gerbang spektral RNNoise — pasca-filter neural, model 220 kB, menekan sisa noise antar fonem
- AGC — lihat TC-143
Pipeline menambahkan latensi 38 md secara end-to-end pada platform Q8, jauh di bawah anggaran ASR 120 md.
4. SNR Terukur dan Akurasi Kata ASR
| Skenario | SPL Ambient | SPL Suara @ 1 m | SNR @ mik tunggal | SNR setelah beamform | WER (en-US) |
|---|---|---|---|---|---|
| Kamar tidur tenang | 35 dB | 50 dB | +15 dB | +21 dB | 4,2% |
| Ruang tamu dengan TV | 60 dB | 55 dB | −5 dB | +4 dB | 7,8% |
| Kelas, 28 anak | 62 dB | 55 dB | −7 dB | +2 dB | 9,4% |
| Kelas saat kerja kelompok | 70 dB | 55 dB | −15 dB | −4 dB | 13,6% |
| Taman bermain luar ruang | 68 dB | 60 dB | −8 dB | +1 dB | 11,2% |
Penguatan beamforming tipikal +6 dB adalah pembeda antara pena yang layak pakai dan pena yang diretur. Pada skenario "kelas saat kerja kelompok", WER mik tunggal sebesar 24% turun menjadi 13,6% — sedikit di bawah ambang 15% di mana klasifikasi intent NLU masih dapat pulih.
5. Mengapa 2 Mikrofon, Bukan 4 atau 6?
Kami mempertimbangkan larik linear 4-mik dan 6-mik. Pertukarannya:
| Ukuran larik | Penguatan on-axis | Kedalaman null | Resolusi lateral | Biaya BOM | Lebar PCB |
|---|---|---|---|---|---|
| 1 mikrofon (baseline) | 0 dB | 0 dB | Tidak ada | $0,40 | 8 mm |
| 2 mikrofon, 24 mm | +6 dB | −12 dB | 30° | $0,80 | 28 mm |
| 4 mikrofon, 60 mm | +9 dB | −18 dB | 15° | $1,60 | 64 mm |
| 6 mikrofon, 100 mm | +11 dB | −22 dB | 10° | $2,40 | 104 mm |
Opsi 4-mik dan 6-mik memerlukan housing pena yang lebih panjang sehingga merusak faktor bentuk "seperti spidol" yang sudah biasa digunakan anak-anak. Setelah tiga studi desain industri bersama 240 anak di Panel pengguna R&D Shenzhen, kami memilih array 2-mik sebagai keseimbangan terbaik antara performa akustik dan faktor bentuk.
Tips bagi pembeli: Jika vendor mengklaim "beamforming profesional" pada pena dengan satu mikrofon, minta data WER pada kebisingan sekitar 65 dB SPL. Pena satu mikrofon tanpa post-filtering spektral akan menghasilkan WER di atas 20% di kelas nyata dan akan gagal dalam uji coba Anda.
6. Estimator Direction-of-Arrival GCC-PHAT
Beamformer perlu mengetahui di mana anak tersebut duduk. Algoritma GCC-PHAT melakukan cross-correlation pada dua sinyal mikrofon setelah memutihkan spektrumnya, sehingga menghasilkan puncak tajam pada lag yang sesuai dengan time delay of arrival. Puncak tersebut dikonversi menjadi sudut:
θ = arccos((τ · c) / d)
di mana τ adalah time delay, c adalah kecepatan suara (343 m/s), dan d adalah jarak antar-mikrofon (0,024 m). Estimator ini menghasilkan resolusi sudut hingga akurasi ±5° pada hemisphere 0°–150° dan melakukan pembaruan setiap 100 ms. Saat anak berpindah posisi di meja, beamformer akan mengarahkan steer dalam waktu 100 ms.
Di dalam kelas berisi 30 anak, algoritma harus membedakan anak target dari 29 pembicara lainnya. Post-filter MVDR menangani hal ini dengan meminimalkan total daya keluaran dengan kendala unity gain ke arah target, sehingga secara otomatis menempatkan spatial null pada interferer yang paling keras.
7. RNNoise: 4 dB Terakhir
Setelah spatial filtering, noise residual berada di sekitar SNR −4 dB. Post-filter neural adalah port 220 kB dari model RNNoise Xiph.org, yang dilatih menggunakan 60 jam noise kelas dan rumah tangga. Tahap ini bekerja di domain frekuensi, memprediksi per-bin gain mask setiap 10 ms.
| Tahap RNNoise | SNR setelah tahap | WER (en-US) |
|---|---|---|
| Audio setelah beamforming | −4 dB | 13,6% |
| Setelah RNNoise | +2 dB | 9,8% |
| Setelah AGC + ASR front-end | +5 dB | 7,4% |
Pipeline gabungan (beamform + RNNoise + AGC) menurunkan WER "kelas saat kerja kelompok" dari 24% (satu mikrofon) menjadi 7,4%, yang berada di batas kelayakan penggunaan di kelas tetapi dapat diterima untuk intent non-kritis (terjemahan, pencarian). Untuk intent kritis (set_volume, set_voice, PIN orang tua), kami mewajibkan prompt konfirmasi.
8. Anggaran Daya dan Latensi
Pipeline beamforming berjalan pada audio DSP bersamaan dengan KWS wake-word, tetapi pada island pemrosesan yang berbeda. Daya dan latensi:
| Tahap | Daya (mW) | Latensi (ms) |
|---|---|---|
| Capture PDM + desimasi | 0,6 | 2 |
| Estimasi DoA GCC-PHAT | 0,4 | 4 |
| Beamformer delay-and-sum | 0,7 | 3 |
| Filter adaptif MVDR | 1,2 | 5 |
| Inferensi RNNoise | 1,8 | 18 |
| AGC | 0,3 | 1 |
| Output ke ASR | n/a | 5 |
| Total | 5,0 mW | 38 ms |
Biaya 5 mW bersifat tambahan di atas 2,4 mW KWS always-on, dengan total 7,4 mW saat aktif mendengarkan. Pada baterai T2 (2.500 mAh), ini tetap menghasilkan 14 jam waktu siaga mendengarkan.
9. Protokol Verifikasi untuk Pembeli OEM
Uji penerimaan 5 langkah untuk pickup far-field pada pena kandidat:
- WER ruang tenang pada jarak 1 m, ambient 50 dB SPL, 200 percobaan wake-word. Target: tingkat wake ≥ 99%.
- Tes TV pada 3 m dengan berita TV berkelanjutan pada 60 dB SPL, 100 perintah suara pada 1 m. Target: ≤ 2 false accept.
- Tes kebisingan obrolan dengan obrolan 4 pembicara pada 65 dB SPL, 100 perintah pada 1 m. Target: tingkat keberhasilan perintah ≥ 90%.
- Tes bisikan pada 0,5 m, suara 40 dB SPL, 50 perintah. Target: tingkat keberhasilan perintah ≥ 90%.
- Tes target bergerak dengan anak berjalan dari 0° ke 90° pada jarak 1 m, 30 perintah. Target: tingkat keberhasilan perintah ≥ 85%.
Ini adalah 5 tes yang sama yang kami jalankan secara internal pada setiap rilis firmware.
10. Kustomisasi dan Roadmap
Penerapan museum gift shop atau airline kids entertainment mungkin memerlukan lobe pickup yang lebih lebar (anak-anak sering berada di luar sumbu). Kami menawarkan tiga tingkat kustomisasi:
| Tingkat | Lebar beam | Gain | NRE | Waktu tunggu |
|---|---|---|---|---|
| Sempit (default) | 30° | +6 dB | $0 | 0 minggu |
| Lebar | 60° | +4 dB | $2.400 | 3 minggu |
| Omnidireksional (hanya pasca-filter) | 180° | +2 dB | $4.800 | 5 minggu |
Peta jalan 2027 menambahkan pembentukan pancaran neural — Conv-TasFormer 2 lapis yang dilatih pada 1,2 juta klip ruang kelas — yang memberikan penguatan +8 dB pada susunan 2 mikrofon dan menurunkan WER ruang kelas di bawah 6%. Ini merupakan bagian dari peta jalan integrasi AI 2024-2026.
Bacaan Terkait
- Deteksi Kata Pembangun dan Dengar Selalu Aktif pada Pena Baca
- Mikrofon MEMS dan Pembatalan Kebisingan Pena Baca
- AGC dan Kontrol Penguatan Otomatis Pena Baca
- Pembatalan Gema dan AEC Pena Baca
- Penekanan Kebisingan dan RNNoise Pena Baca
- Kasus Penggunaan Pena Baca Pengadaan Distrik Sekolah Negeri
11. Disiplin Manufaktur & Uji Akustik
Susunan 2 MEMS, firmware beamforming GCC-PHAT, filter adaptif MVDR, dan pasca-filter RNNoise terintegrasi di setiap unit B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, dan Y6 di lini produksi Shenzhen Longhua dan Dongguan Houjie kami, keduanya bersertifikat ISO 9001 dan ISO 14001. Mikrofon Knowles SPH0645HT4H-1 ditempatkan dengan toleransi posisi ±0,15 mm oleh lini pick-and-place Yamaha YSM20; kesesuaian sensitivitas ±1 dB diverifikasi per unit di ruang akustik FCT terhadap referensi 94 dB SPL @ 1 kHz. Biner firmware beamforming ditandatangani dan di-flash di stasiun yang sama; uji bench akhir lini memutar nada 1 kHz terkalibrasi dari azimuth −45° dan memverifikasi penguatan on-axis +6 dB ± 0,8 dB serta null lateral −12 dB ± 1,5 dB. Throughput harian rata-rata 6.800 unit jadi, puncak shift 11.400 unit pada September 2025. First-pass yield mencapai 98,6% pada level AQL II (Kritis 0, Mayor 1,0, Minor 2,5). Waktu tunggu produksi standar 75 haristandar atau45 hari dipercepat (biaya tambahan 12%, MOQ ≥ 10.000). Waktu tunggu sampel 7 hari sejak request-a-quote.
12. Cakupan Sertifikasi
Setiap pena berkemampuan beamforming dikirimkan bersama portofolio sertifikasi pasar tujuan: CE (RED/EMC/LVD), FCC Part 15, UKCA, EN 71-1/2/3, ASTM F963, CPSIA/CPC, RoHS, REACH, PSE (Jepang), KC (Korea), GCC/SFDA (Arab Saudi), SNI (Indonesia), NOM (Meksiko), INMETRO (Brasil), RCM (Australia/NZ), NRCS LOA (Afrika Selatan), dan ESMA/TIS (UAE/Thailand). Pengiriman baterai menggunakan UN38.3 + IEC 62133 + MSDS. Kepatuhan privasi didokumentasikan untuk GDPR, COPPA, PIPL, LGPD, Thailand PDPA, dan California Prop 65. Pipeline pickup far-field tidak menyimpan audio mentah di luar ring buffer beamforming 10 ms, yang merupakan argumen kepatuhan terkuat untuk pengadaan distrik sekolah yang memerlukan bukti minimisasi data COPPA dan GDPR-K yang dapat diverifikasi. Yurisdiksi baru di luar 47 negara basis dihargai $1.800 per wilayah untuk dossier baru dengan waktu penyelesaian 15 hari kerjawaktu penyelesaian.
13. Harga OEM & Pertimbangan SKU
Beamforming far-field disertakan dalam paket firmware standar dengan harga pabrik $3,80–$14,50 per unit di 11 SKU. Jenjang tingkatan: P2 (500 mAh, 4 MB NAND) di level pemula, B1/B2/F8/K7/KF1 menengah seharga $5,40–$8,60, L5/P2/Q6 menengah seharga $7,20–$10,40, dan Q8/T2/Y6 premium seharga $11,80–$14,50. Biaya BOM susunan 2-mikrofon adalah $0,80 per pena ($0,40 × 2 mikrofon) pada MOQ 10K; upgrade 4-mikrofon untuk program OEM kelas atas berharga $1,60 per pena dan memerlukan lebar PCB 64 mm (memutus faktor bentuk spidol). Pola beam khusus dihargai: sempit (30°) termasuk, lebar (60°) seharga $2.400 NRE dengan waktu tunggu 3 minggu, omnidirectional (180°) seharga $4.800 NRE dengan waktu tunggu 5 minggu. Jenjang MOQ: 500 unit untuk stok netral, 1.000 untuk warna khusus, 3.000 untuk logo sablon khusus, 5.000 untuk label pribadi penuh dengan kemasan ritel. Syarat pembayaran adalah T/T 30/70, L/C saat penglihatan, OA untuk pembeli berulang, PayPal untuk pesanan sampel. Untuk memulai program pickup far-field OEM/ODM, kirimkan campuran SKU target Anda, tiga wilayah tujuan utama Anda, dan preferensi uji penerimaan Anda (default, lebar, atau omnidirectional) ke request-a-quote; tim teknik kami mengembalikan paket firmware yang disesuaikan, tangga biaya unit, dan indeks dossier kepatuhan dalam satu hari kerja.
14. Metrik Validasi Internal dari 47.000+ Unit
Setelah 47.000+ unit diterapkan di 47 negara sejak 2023, pipeline beamforming telah mencatat 28,6 juta frame audio beamformed pada latensi P95 38 ms di platform Q8. Skenario adverse paling umum di lapangan adalah "kelas saat kerja kelompok" pada 70 dB SPL (tercatat di 41,2% tiket dukungan pelanggan), diikuti oleh "TV pada 3 m test" (24,6%), "kebisingan obrolan pada 65 dB SPL" (18,4%), dan "taman bermain luar ruangan" (15,8%). Beamformer pulih ke bawah 10% WER dalam 92,4% skenario kerja kelompok setelah pasca-penyaringan RNNoise. Peta versi firmware adalah basis standar 86 rilis: B1/B2 2.4.7, F8 3.1.2, K7/KF1 1.9.5, L5 4.2.0, P2 2.0.3, Q6/Q8 3.3.1, T2/Y6 2.6.4. Misfire gerbang akustik (penerimaan palsu yang disebabkan oleh audio TV di bawah gerbang spektral) turun dari 1,4% menjadi 0,4% setelah pembaruan firmware v3.1.2 pada platform F8.
15. Catatan Pembeli Teknis
Lima aturan praktis untuk pengadaan OEM/ODM mikrofon jarak jauh (far-field pickup):
- Selalu jalankan tes penerimaan 5 langkah pada §9 sebelum menandatangani master PO. Data percontohan mengalahkan lembar benchmark mana pun karena menangkap tingkat kebisingan asli dan distribusi suara anak asli Anda.
- Tentukan lebar pola tangkapan (beam width) saat firmware dikunci. Sempit (30°) untuk kelas yang terkunci di meja; lebar (60°) untuk ritel/perjalanan; omnidireksional (180°) hanya untuk penerapan museum/maskapai penerbangan di mana pickup di luar sumbu dominan.
- Sisihkan 3 minggu untuk varian beam lebar dan 5 minggu untuk varian omnidireksional. Pelatihan ulang filter pasca-pemrosesan MVDR adalah tahapan terlama.
- Rencanakan kelompok canary OTA 5% saat meluncurkan neural beamformer (Conv-TasFormer) tahun 2027. Canary menangkap regresi di kelas edge sebelum menjangkau seluruh armada.
- Selalu pasangkan mikrofon jarak jauh dengan pipeline AGC — tanpa AGC, penguatan beamforming +6 dB dapat membuat clipping pada front-end ASR pada volume percakapan.