Cancellazione dell'Eco nella Penna Lettura (AEC): Come Funziona nelle Penne Lettura

Pubblico: Questo articolo si rivolge a ingegneri firmware audio e responsabili acquisti che necessitano di specificare la cancellazione dell'eco acustica su una linea di penne lettrici che supporta la modalità interfono, la ricerca vocale o la verifica della pronuncia bidirezionale. Si assume che sappiate già cosa fanno un microfono e un altoparlante e che ora dobbiate elaborare una specifica AEC difendibile.

Una penna lettrice è un dispositivo audio full-duplex. L'altoparlante riproduce la narrazione a un livello massimo di 85 dB SPL a 10 cm mentre il microfono cattura la voce del bambino a −20 dBFS. Senza la cancellazione dell'eco, il microfono riceve la narrazione come un eco forte 30–50 dB sopra il segnale vocale, il motore ASR sente solo l'eco e il bambino sente la propria pronuncia riprodotta come se la penna lo prendesse in giro. La Cancellazione dell'Eco Acustica (AEC) è l'algoritmo che sottrae il segnale dell'altoparlante noto dalla cattura del microfono affinché il microfono senta solo la voce del bambino. Questo articolo spiega come l'AEC è implementata nei 11 modelli di produzione (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6), come viene misurata e come specificarla in un contratto di acquisto per non spedire una penna che si riaccede da sola.

1. Perché l'AEC è Diversa su una Penna Lettrice che su un Cuffia

La penna lettrice è il caso peggiore per l'AEC. L'altoparlante e il microfono sono distanti 25–45 mm nella stessa custodia di plastica, senza barriera acustica tra loro. L'altoparlante riproduce a un massimo di 85 dB SPL, il microfono è a −20 dBFS durante il parlato e il guadagno del percorso dell'eco è quindi 35–50 dB. In un cuffia, l'altoparlante è sigillato contro il canale uditivo e il microfono è alla bocca; in una penna, entrambi sono esposti alla stessa aria.

Tre fattori rendono il problema AEC della penna lettrice più difficile del caso VoIP del libro di testo. Primo, il percorso dell'eco cambia costantemente mentre il bambino sposta la penna nella mano — il guadagno e la risposta in frequenza del percorso dall'altoparlante al microfono cambiano ogni volta che la penna viene riposizionata. Secondo, l'altoparlante è piccolo e non lineare, il che produce una distorsione armonica che l'AEC deve imparare a sottrarre. Terzo, la penna passa dalla modalità solo riproduzione alla modalità full-duplex in millisecondi quando il bambino parla durante la narrazione e l'AEC deve convergere in quella finestra o la prima sillaba viene persa.

Il risultato è che l'AEC della penna lettrice deve essere adattivo (tracciare un percorso dell'eco variabile), non lineare (gestire la distorsione dell'altoparlante) e a rapida convergenza (bloccarsi sul percorso dell'eco in meno di 200 ms). Tra gli 11 modelli di produzione, vengono utilizzate tre implementazioni AEC: WebRTC AEC3 su L5/T2/Y6, Speex AEC su K7/KF1/Q6/Q8 e un LMS adattivo semplificato su B1/B2/F8/P2.

2. Come Funziona l'AEC a Livello di Blocco

L'AEC funziona modellando il percorso dell'eco come un filtro a risposta all'impulso finita (FIR), poi sottraendo l'output del filtro dal segnale del microfono. I coefficienti del filtro vengono adattati usando l'algoritmo dei minimi quadrati medi normalizzati (NLMS) o le sue varianti. Il segnale di riferimento è l'audio che viene riprodotto attraverso l'altoparlante — noto al sistema perché è stato generato all'interno del firmware.

I tre blocchi costitutivi sono: (1) il filtro adattivo lineare che modella il percorso dall'altoparlante al microfono; (2) il processore non lineare che gestisce l'eco residua dopo la sottrazione lineare (è qui che la distorsione e il clipping dell'altoparlante vengono ripuliti); e (3) il rilevatore di doppio parlato che decide se l'utente sta parlando contemporaneamente alla riproduzione dell'altoparlante, il che richiede che l'AEC congeli l'adattamento per evitare di cancellare il parlato dell'utente.

Il WebRTC AEC3 usato su L5/T2/Y6 implementa tutti e tre i blocchi con algoritmi all'avanguardia: un filtro adattivo in frequenza a blocchi partizionati (PBFDAF), un processore non lineare basato su filtro di Wiener e un rilevatore di doppio parlato basato sulla coerenza. Il Speex AEC su K7/KF1/Q6/Q8 usa un filtro adattivo NLMS nel dominio del tempo con un semplice processore non lineare. L'LMS semplificato su B1/B2/F8/P2 usa un NLMS a 128 tap nel dominio del tempo con un soppressore del rumore di fondo.

3. Baseline AEC per Modello

La tabella seguente riassume l'implementazione dell'AEC negli 11 modelli di produzione. ERLE è il miglioramento della perdita di ritorno dell'eco, misurato in dB — più alto è meglio. La convergenza in doppio parlato è il tempo che l'AEC necessita per ribloccare il filtro dopo che l'utente inizia a parlare durante la riproduzione dell'altoparlante. Il costo MIPS è misurato a 16 kHz mono.

I numeri raccontano chiaramente la storia dell'approvvigionamento. Le piattaforme L5, T2, Y6 offrono 34–36 dB di ERLE in regime stazionario e 22–24 dB durante il doppio parlato — lo scenario che conta di più durante la verifica della pronuncia, dove il bambino parla mentre il prompt viene riprodotto. Le piattaforme K7, KF1, Q6, Q8 offrono 24–26 dB in regime stazionario e 14–16 dB in doppio parlato, che è accettabile ma non eccellente. Le piattaforme B1, B2, F8, P2 offrono 15–19 dB stazionari e 7–10 dB in doppio parlato, che è al limite dell'accettabile per un prodotto play-and-listen ma inadeguato per una verifica seria della pronuncia.

4. Il Problema del Doppio Parlato nella Verifica della Pronuncia

Lo scenario AEC più difficile su una penna di lettura è il doppio parlato durante la verifica della pronuncia. Il flusso è: la penna riproduce una parola prompt, il bambino pronuncia la parola indietro nello stesso momento, la penna verifica la pronuncia. L'altoparlante sta riproducendo, il microfono sta catturando la voce del bambino, e il guadagno del percorso eco è al suo peggiore perché la penna è vicina alla bocca del bambino.

Un buon AEC converge all'interno del primo 100 ms della riproduzione del prompt, quindi il parlato del bambino, che inizia 200–600 ms dopo, viene catturato in modo pulito. Un AEC inadeguato sta ancora adattandosi quando il bambino parla, e il rivelatore di doppio parlato blocca il filtro — il che significa che la prima sillaba della pronuncia del bambino è contaminata con eco residua. Il motore ASR sente quindi "eco + parlato" e produce un risultato a bassa confidenza, che la penna riporta come "prova ancora".

In tutto il portafoglio, il divario ERLE in doppio parlato tra le piattaforme basate su LMS (7–10 dB) e le piattaforme WebRTC AEC3 (22–24 dB) è il singolo maggiore differenziatore di qualità audio. Un carico di lavoro di verifica della pronuncia su L5 ha successo nell'86% dei casi nel rumore della classe; lo stesso carico di lavoro su B2 ha successo nel 64% dei casi.

5. AEC vs Soppressione del Rumore: Perché Servono Entrambi

Un errore comune è assumere che la soppressione del rumore e la cancellazione dell'eco siano soluzioni concorrenti. Non lo sono — sono stadi sequenziali nella stessa pipeline. L'ordine è fisso: prima AEC, poi soppressione del rumore. L'AEC rimuove il segnale dell'altoparlante noto dalla cattura del microfono, lasciando una miscela del parlato del bambino, rumore ambientale e qualsiasi eco residua. La soppressione del rumore rimuove poi il rumore ambientale, lasciando principalmente il parlato del bambino.

Se si inverte l'ordine, la soppressione del rumore rimuove il rumore ambientale da un segnale del microfono che contiene ancora il forte eco dell'altoparlante, il che significa che la soppressione del rumore tratta l'eco come il segnale vocale e la voce del bambino come il rumore. Il motore ASR sente quindi solo l'eco. Il firmware della penna di lettura su ogni piattaforma applica questo ordine.

Su L5, T2, Y6, la pipeline completa è: cattura microfono → WebRTC AEC3 → RNNoise → motore ASR → risultato. Su K7, KF1, Q6, Q8, è: cattura microfono → Speex AEC → Wiener MMSE → motore ASR. Su B1, B2, F8, P2, è: cattura microfono → LMS adattivo → sottrazione spettrale → motore ASR. Ogni piattaforma implementa la coppia di algoritmi appropriata per il suo budget MIPS.

6. Percorso Eco Acustico e Precondizioni Hardware

L'AEC è in parte un problema di algoritmo e in parte un problema hardware. L'algoritmo può sottrarre fino a circa 30 dB di eco nel migliore dei casi; i rimanenti 5–15 dB devono provenire dall'isolamento fisico tra altoparlante e microfono. Si applicano tre precondizioni hardware.

Primo, l'altoparlante e il microfono devono essere alle estremità opposte della penna con almeno 25 mm di plastica tra loro. L5, T2, Y6 posizionano l'altoparlante all'estremità della testa e il microfono all'estremità della punta, separati da 60 mm di plastica; B1, B2 li posizionano sulla stessa estremità con una guarnizione sigillata tra loro. Secondo, la porta dell'altoparlante deve avere una sigillatura del volume posteriore che impedisca alle radiazioni posteriori di fuoriuscire nel microfono. Q6, Q8, T2, Y6 utilizzano un design sigillato del volume posteriore; F8 e P2 utilizzano un design ventilato che costa circa 4 dB di guadagno del percorso eco. Terzo, l'alloggiamento non deve avere percorsi di perdita d'aria tra altoparlante e microfono — una fessura di 0,5 mm può costare 6 dB di guadagno del percorso eco, che nessun algoritmo AEC può completamente recuperare.

Per un OEM che costruisce una nuova penna, questi tre elementi sono i vincoli di design fisico che l'algoritmo AEC non può correggere a posteriori. Il portafoglio di penne di lettura li applica tutti e tre nella tooling e verifica con un test ERLE-vs-posizione al QA in entrata.

7. AEC e Modalità Intercom

La modalità intercom su K7, KF1, Q6, Q8, L5, T2 e Y6 è il carico di lavoro AEC più impegnativo. Il genitore parla attraverso l'app genitore, l'audio viene trasmesso via BLE alla penna, la penna lo riproduce attraverso l'altoparlante a 75–80 dB SPL, il microfono cattura la voce del genitore più l'eco dell'altoparlante, e la penna ritrasmette l'audio del microfono pulito back all'app genitore. La latenza round-trip è 80–200 ms.

Il WebRTC AEC3 su L5/T2/Y6 è stato specificamente progettato per questo scenario e offre 30+ dB di ERLE durante la conversazione bidirezionale continua. Il Speex AEC su K7/KF1/Q6/Q8 offre 22–25 dB nello stesso scenario, che è accettabile ma produce occasionalmente eco udibile sul lato dell'app genitore. Il LMS semplificato su B1/B2/F8/P2 offre 14–17 dB, ed è per questo che la modalità intercom non è ufficialmente supportata su quelle piattaforme — il genitore sentirebbe la propria voce echeggiare indietro con latenza di 200–400 ms.

8. Modi di Guasto AEC sul Campo

Tre modi di guasto AEC appaiono nella telemetria sul campo. Primo, divergenza del filtro quando il segnale dell'altoparlante è correlato con il segnale del microfono (ad es. quando una TV sta riproducendo vicino alla penna). Il filtro adattivo si aggancia all'audio della TV come se fosse l'altoparlante e cancella il segnale sbagliato. Il rivelatore di doppio parlato su L5/T2/Y6 previene questo; sulle piattaforme più vecchie, la divergenza può persistere per 1–3 secondi. Secondo, eco non lineare dal clipping dell'altoparlante al volume massimo. Il filtro lineare AEC non può modellare la distorsione armonica, e il processore non lineare deve sopprimere il residuo. Su K7/KF1/Q6/Q8, l'eco non lineare residua a 85 dB è circa 6 dB; su L5/T2/Y6, è circa 2 dB. Terzo, latenza di convergenza iniziale quando la penna inizia per prima a riprodurre audio dopo un lungo silenzio. I primi 200–800 ms della riproduzione contengono eco residua che non è ancora stata cancellata. L5/T2/Y6 avvia il pre-adattamento AEC durante il silenzio prima della riproduzione; le piattaforme più vecchie partono da zero.

Per gli agenti di approvvigionamento che scrivono una RFQ, questi modi di guasto si traducono in voci di specifica. Prima, "AEC deve raggiungere ERLE ≥ 30 dB in singolo parlato stazionario, ≥ 20 dB in doppio parlato continuo." Seconda, "AEC deve raggiungere la convergenza in meno di 100 ms dopo l'inizio della riproduzione dell'altoparlante." Terza, "Il rivelatore di doppio parlato AEC deve prevenire la divergenza del filtro sotto cross-correlazione fino a 0.7 tra segnali di riferimento e microfono."

9. AEC, AGC e DRC: I Tre Stadi Audio

L'AEC è il primo stadio audio, ma non opera da solo. La catena audio completa lato microfono su una penna di lettura è AEC → AGC → DRC → ASR. L'AGC (Controllo Automatico del Guadagno) normalizza il livello della parola dopo che l'AEC ha pulito il segnale; il DRC (Compressione della Gamma Dinamica) riduce la gamma dinamica così i fonemi silenziosi sono udibili e i fonemi forti non vanno in clipping. Questi tre stadi interagiscono e l'ordine conta.

Un bug comune nei firmware early delle penne di lettura era mettere l'AGC prima dell'AEC, che causava una mancata corrispondenza del segnale di riferimento AEC rispetto al segnale effettivo dell'altoparlante (perché l'AGC aveva già regolato il livello di riproduzione). Il risultato era 6–10 dB di ERLE peggiore. Il firmware attuale su tutte le 11 piattaforme mette AEC primo, AGC secondo, DRC terzo — e blocca questo ordine nel manifesto della pipeline audio.

Per un importatore che acquista una build ODM di terze parti, l'ordine della pipeline audio è la prima cosa da verificare. Se l'ODM non può produrre un chiaro diagramma a blocchi che mostri AEC → AGC → DRC → ASR con i nomi degli algoritmi corrispondenti, trattare la build come firmware audio non verificato.

10. Come Specificare AEC in un Contratto di Acquisto

Il linguaggio della RFQ deve nominare la classe dell'algoritmo, l'obiettivo ERLE e la gestione del doppio parlato: "La cancellazione dell'eco acustica deve raggiungere ERLE ≥ 30 dB in singolo parlato stazionario, ≥ 20 dB in doppio parlato continuo, con convergenza del doppio parlato sotto 100 ms. Classe dell'algoritmo: filtro adattivo nel dominio della frequenza con post-processore non lineare per piattaforme premium, NLMS nel dominio del tempo per piattaforme legacy. Il rivelatore di doppio parlato AEC deve prevenire la divergenza del filtro sotto cross-correlazione fino a 0.7 tra segnali di riferimento e microfono."

Tre dettagli contano. Prima, il segnale di test deve essere specificato — usiamo un campione vocale inglese foneticamente bilanciato di 30 secondi come riferimento lato lontano, riprodotto a 75 dB SPL a 10 cm, con il microfono lato vicino che cattura il parlato del bambino a −20 dBFS. Seconda, l'ambiente di test deve essere specificato — un ufficio silenzioso a 30 dBA ambientali; un ambiente più rumoroso gonfia l'eco residua e cambia i numeri. Terza, la tempistica dell'inizio del doppio parlato deve essere specificata — il lato lontano inizia a t=0, il lato vicino inizia a t=500 ms, e l'AEC viene valutato sul suo ERLE da t=500 ms in poi.

Suggerimento per l'acquirente: Chiedete all'ODM un grafico ERLE-vs-tempo dal loro QA AEC. Il grafico deve mostrare ERLE che sale da 0 dB a t=0 a ≥ 30 dB a t=300 ms in singolo parlato, e stabile ≥ 20 dB da t=500 ms in poi in doppio parlato. Se il grafico manca della regione di doppio parlato, l'AEC non è stato testato nella modalità che conta.

10b. ERLE AEC sotto Stress da Doppio Parlato

Il test AEC più impegnativo è il doppio parlato durante la verifica della pronuncia, dove l'altoparlante sta riproducendo il prompt e il bambino pronuncia la parola indietro nello stesso momento. Il grafico qui sotto mostra l'ERLE in doppio parlato per ogni modello sotto il nostro test standardizzato con inizio a 500 ms.

11. Matrice Decisionale e Raccomandazioni

Per un nuovo programma di penne di lettura che inizia nel 2026, la raccomandazione è WebRTC AEC3 su L5, T2, Y6 per qualsiasi programma che supporti la modalità intercom, la ricerca vocale o la verifica bidirezionale della pronuncia; e Speex AEC su K7, KF1, Q6, Q8 per programmi che necessitano solo della cancellazione dell'eco in singolo parlato per play-and-listen. Il LMS semplificato su B1, B2, F8, P2 è accettabile per solo play-and-listen e non deve essere specificato per alcun programma che richieda cattura vocale durante la riproduzione dell'altoparlante.

Per un agente di approvvigionamento che scrive la specifica AEC, la riga che chiude il contratto recita: "La cancellazione dell'eco acustica deve raggiungere ERLE ≥ 30 dB stazionario, ≥ 20 dB doppio parlato, convergenza ≤ 100 ms; il rivelatore di doppio parlato deve prevenire la divergenza sotto cross-correlazione ≤ 0.7; AEC deve precedere AGC e DRC nella pipeline audio; il grafico ERLE-vs-tempo dal QA deve essere consegnato con il primo articolo."

Letture Correlate

• Compressione Codec Penna di Lettura MP3 vs AAC vs Opus
• Soppressione del Rumore e RNNoise della Penna di Lettura
• Beamforming Array Microfonico della Penna di Lettura
• AGC e Controllo Automatico del Guadagno della Penna di Lettura
• DRC e Compressione della Gamma Dinamica della Penna di Lettura
• Microfono MEMS e Cancellazione del Rumore della Penna di Lettura
• Servizi OEM per Penna di Lettura
• Richiedi un Preventivo per Penna di Lettura