Doelgroep: Dit artikel is bedoeld voor hardware-inkopers en audio-firmware-engineers die microfoonruisonderdrukking moeten specificeren voor een leespenlijn. Er wordt aangenomen dat u al weet wat een MEMS-microfoon is en nu moet kiezen tussen spectrale subtractie, Wiener-filtrering en een terugkerend neuraal netwerk zoals RNNoise voor uw 2026-build.
De leespen is een opnameapparaat. Elke K7, KF1, L5, Q6, Q8, T2 en Y6 wordt geleverd met minimaal één MEMS-microfoon; de L5, T2 en Y6 worden geleverd met twee voor beamforming. De microfoon wordt voor drie dingen gebruikt: spraakherkenning (het kind zegt een woord, de pen verifieert de uitspraak), stemzoekopdracht (het kind vraagt "wat is een vulkaan") en intercom-modus (de ouder-app luistert via de pen). Alle drie de werkbelastingen falen als het microfoonsignaal verontreinigd is door klaslokaalgeluid, HVAC-gezoem, tablet-audiolekkage of een ander kind dat op de achtergrond praat. Dit artikel vergelijkt de drie ruisonderdrukkingsbenaderingen die daadwerkelijk worden gebruikt in onze 11 productmodellen (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6), met gemeten SNR-verbetering, MIPS-kosten, ASR-nauwkeurigheidsverbetering en de inkoopspecificatietaal die dit vastlegt.
1. Waarom ruisonderdrukking geen optie is op een leespen
Een leespen wordt gebruikt in omgevingen die akoestisch vijandig zijn voor spraakvastlegging met kleine microfoons. Het klaslokaalscenario is het ergste: 25-35 dBA omgevingslawaai van 25-30 kinderen, plus projectorventilatoren op 45 dBA, plus de HVAC op 50 dBA. Het thuisscenario is beter maar nog steeds problematisch: TV op 60 dBA vanuit de andere kamer, keukenapparaten op 55 dBA, broer/zus-geluid op 50 dBA. De pen-naar-mondafstand is typisch 5-15 cm bij klaslokaalgebruik en 1-3 cm bij thuisgebruik, wat het spraakniveau op -10 tot -25 dBFS bij de microfoon plaatst terwijl het omgevingslawaai op -40 tot -30 dBFS zit. De signaal-ruisverhouding bij de microfooningang is daarom vaak 5-20 dB vóór enige verwerking.
Voor een volwassen spreker in een stille kamer verwerken moderne ASR-engines 5 dB SNR comfortabel. Voor een kinderlijke spreker in een luidruchtig klaslokaal faalt dezelfde engine - kinderlijke fonemen zijn hoger gepitcht, minder consistent en de spraak-ruisverhouding is veel slechter. Een ruisonderdrukkingsfase die de SNR met 6-10 dB verhoogt vóór de ASR-engine is het verschil tussen de pen die een uitspraak correct verifieert en de pen die het kind drie keer op rij vertelt dat het het fout heeft.
Over onze 47.000+ verzonden eenheden zijn microfoongerelateerde supporttickets als volgt verdeeld: 41 procent "ASR vergiste zich in een lawaaiige kamer", 22 procent "stemzoekopdracht triggert niet", 19 procent "intercom-modus is vervormd", 18 procent "pen neemt eigen audio op". Een goed gekozen ruisonderdrukkingsalgoritme vermindert de top drie categorieën met 40-60 procent in onze veldgegevens.
2. De drie families van ruisonderdrukking
Drie benaderingen voor ruisonderdrukking worden gebruikt in echte leespen-productiefirmware. Ze zijn niet uitwisselbaar.
Spectrale subtractie is de oudste en goedkoopste. Het algoritme schat het ruisspectrum tijdens stilte en trekt het vervolgens af van het ruisige spraakspectrum met een vloer. Het draait op minder dan 5 MIPS op een Cortex-A5 en produceert ongeveer 4-6 dB SNR-verbetering bij stationair lawaai (HVAC, ventilator) maar minder dan 2 dB bij niet-stationair lawaai (andere kinderen die praten). Het produceert ook hoorbare "musical noise"-artefacten - korte tonale piepen die kinderen verwarrend vinden.
Wiener-filtrering en MMSE-schatters zijn de volgende stap omhoog. Ze schatten het schone spraakspectrum met behulp van een statistisch model van de ruis en produceren ongeveer 6-9 dB SNR-verbetering met minder musical noise-artefacten. MIPS-kosten zijn 8-15 op een Cortex-A5. Dit is het werkpaardalgoritme dat wordt gebruikt op de B1, B2, F8, K7, KF1, P2, Q6, Q8-platforms.
Recurrente neurale netwerkonderdrukking (RNNoise, DeepFilterNet, anderen) is de moderne benadering. Een klein GRU-netwerk wordt getraind op duizenden uren ruisige spraak om een onderdrukkingsmasker te schatten dat per frequentiebin wordt toegepast. Het produceert 9-14 dB SNR-verbetering, verwerkt niet-stationair lawaai elegant en heeft geen musical noise-artefacten. MIPS-kosten zijn 25-45 op een Cortex-A53. Dit is het algoritme op de L5, T2 en Y6-platforms, geïntegreerd als RNNoise commit 1cfd9a6 (juni 2024 release).
Voor een koper die een benadering kiest is de afweging eenvoudig: spectrale subtractie voor sub-$5 BOM-kostendruk, Wiener voor mainstreamprogramma's, RNNoise voor premium en in het klaslokaal geïmplementeerde programma's.
3. Ruisonderdrukkingsbasislijn per model
De onderstaande tabel vat samen wat er daadwerkelijk in productiefirmware zit over de 11 modellen. "Onderdrukkingsalgoritme" noemt de specifieke bibliotheek; "MIPS-kosten" wordt gemeten bij 16 kHz mono; "SNR-verbetering" is de delta in dB tussen input-SNR en output-SNR op een gestandaardiseerd ruisig spraakcorpus; "ASR-nauwkeurigheidsverbetering" is de absolute procentpuntverbetering in woordherkenningspercentage op een klaslokaallawaai-testset.
| Model | Mic-aantal | Onderdrukking | MIPS | SNR-verbetering | ASR-nauwkeurigheidsverbetering | Firmware |
|---|---|---|---|---|---|---|
| B1 | 1 | Wiener MMSE | 12 | 6,5 dB | +7,2 pp | 2.4.7 |
| B2 | 1 | Wiener MMSE | 12 | 6,8 dB | +7,5 pp | 2.4.7 |
| F8 | 1 | Spectrale sub | 4 | 4,2 dB | +4,0 pp | 3.1.2 |
| K7 | 1 | Wiener MMSE | 14 | 7,4 dB | +8,1 pp | 1.9.5 |
| KF1 | 1 | Wiener MMSE | 14 | 7,4 dB | +8,1 pp | 1.9.5 |
| L5 | 2 | RNNoise | 38 | 11,8 dB | +14,2 pp | 4.2.0 |
| P2 | 1 | Spectrale sub | 4 | 4,0 dB | +3,6 pp | 2.0.3 |
| Q6 | 1 | Wiener MMSE | 14 | 7,6 dB | +8,4 pp | 3.3.1 |
| Q8 | 1 | Wiener MMSE | 14 | 7,6 dB | +8,4 pp | 3.3.1 |
| T2 | 2 | RNNoise | 42 | 12,4 dB | +15,1 pp | 2.6.4 |
| Y6 | 2 | RNNoise | 38 | 12,0 dB | +14,6 pp | 2.6.4 |
De F8- en P2-platforms blinken uit als de zwakste — ze gebruiken spectrale aftrekking omdat de oudere Cortex-A7-silicon de MIPS niet kan missen voor een echte Wiener-filter terwijl AAC wordt gedecodeerd en OID-opzoeking draait. De L5-, T2-, Y6-platforms leiden de portefeuille met een ruime marge. In een echt klaslokaal produceert de L5 met RNNoise een ASR-nauwkeurigheidsverbetering die twee keer zo groot is als de Wiener-filter van de K7.
4. RNNoise internals en waarom het wint
RNNoise is een klein recurrent neuraal netwerk ontworpen door Jean-Marc Valin van Xiph.Org, dezelfde organisatie die Opus ontwierp. De architectuur is bewust minimaal: een GRU met 24 verborgen eenheden die werkt op 22 frequentiebanden, plus een kleine output-MLP die een per-band versterkingsmasker schat. Het totale parameterantal is ongeveer 12.000 gewichten — klein genoeg om in de L2-cache van de L5 te passen en te draaien op 38 MIPS op een Cortex-A53.
De trainingsdata is net zo belangrijk als de architectuur. RNNoise is getraind op een mix van schone spraak (de DNS Challenge-dataset, 500+ uur), ruisbronnen (dezelfde dataset, 150+ uur koffiezakbabbels, klaslokaalruis, huishoudruis) en kunstmatig gemixte gesispraak. Het resultaat is een model dat non-stationaire ruis elegant afhandelt — wanneer een ander kind begint te praten, vergrendelt RNNoise daar niet op als het nieuwe "ruisvloer" zoals een spectrale aftrekkingsalgoritme zou doen.
Voor de L5, T2 en Y6 draait RNNoise op 16 kHz mono (gedownsampled van wat de MEMS-mic vastlegt op zijn native 24 kHz), wat een 16 kHz schone-spraakoutput produceert die de ASR-engine voedt. Het modellenbestand is 250 KB op flash, wat ongeveer de grootte is van twee AAC-clips op 96 kbps. Dit zijn de volledige opslagkosten van RNNoise op het platform.
5. Hoe RNNoise interageert met de ASR-engine
Een veelgemaakte inkoopfout is om RNNoise te specificeren en aan te nemen dat de downstream ASR-engine automatisch zal verbeteren. Dat zal zo zijn, maar niet met het volledige aantal van 14 procentpunten dat de SNR-verbetering zou suggereren. De ASR-engine zelf heeft ingebouwde ruisrobuustheid, en de twee lagen interageren op niet voor de hand liggende manieren.
Op de L5 met RNNoise die de on-device ASR-engine voedt, is de end-to-end woordnauwkeurigheidsverbetering in klaslokaalruis +14,2 procentpunten (van 58 procent baseline naar 72,2 procent met RNNoise). Op de T2 met RNNoise en de iets capabelere ASR-engine afgestemd op kinderspraak, is de verbetering +15,1 procentpunten. Op de F8 met spectrale aftrekking wint dezelfde ASR-engine slechts +4,0 procentpunten omdat de spectrale aftrekking te veel restruis achterlaat waar de ASR-engine mee moet werken.
De interactie is multiplicatief: een ruisonderdrukkingsalgoritme met 6 dB SNR-verbetering koopt meer ASR-nauwkeurigheid dan een met 10 dB SNR-verbetering als het lagere-dB-algoritme een schoner spectrale profiel heeft. Wiener MMSE op de K7 heeft een iets slechtere SNR dan RNNoise op de L5 maar produceert een spectrale profiel met minder musiekruis, wat de ASR-engine prefereert. End-to-end ASR-nauwkeurigheid op K7 is +8,1 pp; op L5 is het +14,2 pp. Beide zijn correcte antwoorden voor hun respectieve platforms.
6. Wanneer spectrale aftrekking het juiste antwoord is
RNNoise is niet altijd het juiste antwoord. Er zijn drie scenario's waarin spectrale aftrekking op de B1, B2, F8 of P2 acceptabel of zelfs preferable is. Ten eerste, scenario's voor enkelvoudig thuisgebruik waar de ouder het kind begeleidt in een stille kamer en het omgevingsgeluid onder 35 dBA ligt — spectrale aftrekking volstaat. Ten tweede, kostengerichte programma's waar de BOM-druk reëel is en het RNNoise-modellenbestand onbetaalbaar is — RNNoise's 250 KB is niet groot in absolute termen maar op een B1 met slechts 4 MB audio-partitie-headroom is het betekenisvol. Ten derde, batterijbeperkte programma's waar de 38 MIPS RNNoise-belasting de 5,0-uur runtime van de B1 met 30 minuten zou verlagen; spectrale subtractie bij 4 MIPS behoudt de batterijcijfers.
Voor schoolimplementaties is RNNoise het juiste antwoord. Voor consumentengebruik thuis hangt de keuze af van het prijsniveau en de BOM-kosten die de OEM bereid is te absorberen.
7. RNNoise-beperkingen en faalmodi
RNNoise is geen toverij. Drie faalmodi treden in het veld op en moeten worden ontworpen rond. Ten eerste, spraakvormige ruisverwarring: RNNoise classificeert af en toe bepaalde spraakachtige babygehuil, gefluit of zingen als "ruis" en onderdrukt deze. Dit is vervelend in een huishouden met meerdere kinderen maar acceptabel bij gebruik van één pen per kind. Ten tweede, over-onderdrukking op plosieven: de eerste 5 ms van een /p/ of /t/ kan licht worden verzwakt, waardoor de helderheid van de uitspraakverificatie afneemt. We compenseren dit door een +3 dB pre-emphase boven 2 kHz toe te voegen vóór RNNoise en een complementaire de-emphase erna. Ten derde, muziekonderdrukking: RNNoise behandelt muziek als ruis en onderdrukt deze. Dit is acceptabel voor klaslokaal ASR maar betekent dat de intercom-modus muziekdelen-functie op de L5 RNNoise moet omzeilen.
Voor een inkoper die een RFQ schrijft, vertalen deze beperkingen zich naar twee specificatielijnen. Ten eerste: "ruisonderdrukking moet spraakstarttransiënten behouden binnen ±2 dB bij 5 ms na start." Ten tweede: "ruisonderdrukking moet een bypassmodus hebben voor niet-spraakaudio (muziek, intercom) met omschakeltijd onder 100 ms."
8. De microfoon zelf: hardware-voorwaarden
RNNoise en Wiener-filtering zijn software-algoritmen; hun SNR-verbeteringscijfers veronderstellen een redelijk goed opgevangen signaal bij de MEMS-microfoon. Als de microfoon slecht is geplaatst, kan het algoritme dit niet herstellen. Drie hardware-voorwaarden gelden voor alle 11 modellen. Ten eerste moet de MEMS-microfoon een SNR hebben van minimaal 62 dB(A) — de K7, KF1, L5, Q6, Q8, T2 en Y6 gebruiken 64 dB(A) MEMS-eenheden. Ten tweede moet de microfoonpoort minimaal 0,8 mm diameter hebben en niet worden geblokkeerd door de behuizing — de F8 en P2 hadden een poortobstructieprobleem in de vroege 2024-firmware dat we corrigeerden in 3.1.2. Ten derde moet de microfoon akoestisch geïsoleerd zijn van de luidspreker door minimaal 25 mm plastic of door een afgedichte pakking — zonder deze isolatie lekt de luidsprekerplayback in de microfoon en verwart zowel AEC als ruisonderdrukking.
Het leespennenportfolio handhaaft alle drie de voorwaarden in het gereedschap. Voor een importeur die bij een nieuwe ODM koopt, zijn dit de drie hardware-items om te verifiëren voordat enige audio-firmware wordt geaccepteerd.
9. Hoe ruisonderdrukking specificeren in een inkoopcontract
De RFQ-taal moet de algoritmeklasse en het SNR-verbeteringsdoel noemen: "Microfoonruisonderdrukking moet een SNR-verbetering bereiken van minimaal 10 dB op de gestandaardiseerde klaslokaal-ruistestset (30 dBA omgevingsgeluid, 25-kinder-geklets, HVAC op 50 dBA), gemeten bij 16 kHz mono met het spraakniveau op −20 dBFS. Algoritmeklasse: Wiener MMSE voor mid-tier platforms, RNN-gebaseerd (RNNoise of equivalent) voor premium platforms. ASR-accuratesse-verbetering moet minimaal +10 procentpunten zijn boven een baseline zonder onderdrukking op dezelfde testset."
Drie details zijn belangrijk. Ten eerste, de testcorpus moet worden gespecificeerd — we gebruiken een samengestelde klaslokaal-ruiscorpus uit 12 verschillende schooldistricten; een leverancier die test op café-geluid of straatgeluid zal opgeblazen SNR-cijfers rapporteren. Ten tweede, de ASR-engine moet worden gespecificeerd — een ruisonderdrukkingsalgoritme gekoppeld aan een high-end cloud-ASR zal andere cijfers opleveren dan hetzelfde algoritme gekoppeld aan een on-device ASR. Ten derde, het testsignaalniveau moet worden gespecificeerd — bij −20 dBFS spraak is onze SNR-verbetering 11,8 dB; bij −10 dBFS spraak is deze 9,4 dB; bij −30 dBFS spraak is deze 14,1 dB. Het niveau is van belang.
Advies voor kopers: Voer uw eigen ruisonderdrukkingstest uit op een 30-seconden clip opgenomen in uw doelimplementatieomgeving. Elke leverancier die beweert dat hun ruisonderdrukking "de beste in zijn klasse" is, zou bereid moeten zijn u een voorbeeldclip te sturen om te verifiëren. Als ze dit niet doen, behandel de bewering dan als marketing.
10. Beslissingsmatrix en aanbevelingen
Voor een gloednieuw leespennenprogramma dat in 2026 start, is de aanbeveling RNNoise op elk platform met een Cortex-A53-core of nieuwer (L5, T2, Y6), en Wiener MMSE op de mid-tier K7, KF1, Q6, Q8-platforms. Voor kosten gedreven programma's op B1, B2, F8, P2 is de bestaande spectrale subtractie acceptabel voor thuisgebruik maar moet worden vervangen door Wiener MMSE als het programma gericht is op schoolimplementatie.
Voor een importeur die de ruisonderdrukkinsspecificatie opstelt, luidt de clausule die het contract sluit: "Microfoonruisonderdrukking moet een SNR-verbetering ≥ 10 dB bereiken op gestandaardiseerde klaslokaal-ruiscorpus, ASR-accuratesse-verbetering ≥ +10 procentpunten boven no-suppression baseline, met bypassmodus voor niet-spraakaudio en behoud van spraakstarttransiënten binnen ±2 dB bij 5 ms na start."