Lesekodek-komprimering for lesepenn: MP3 vs AAC vs Opus sammenlignet

Målgruppe: Denne artikkelen er skrevet for OEM\/ODM-innkjøpere av maskinvare, produktansvarlige innen edtech og lokaliseringsansvarlige som må velge riktig lydkodek når de bestiller en lesepenn-serie. Den forutsetter at du allerede vet hva OID-koder er, og at du vurderer kodeker for en produksjonsserie i 2026.

Lesepenner sender lyd slik ordbøker sender ord: per megabyte, ikke per ord. En billedbok for tidlige lesere på 32 sider inneholder mellom 180 og 420 lydklipp med innlesing, fonetikk, lydeffekter og tospråklige ledetekster. Velger du feil kodek, går enten 8 GB NAND tom for plass ved tittel nummer 14, eller så smelter SoC-en under dekoding, og leverandøren din sitter igjen med en firmware-omskriving midt i masseproduksjonen. Denne artikkelen sammenligner MP3, AAC-LC og Opus på de måltallene som faktisk avgjør om et lesepenneprogram lanseres i tide og holder seg innenfor budsjettet: komprimert størrelse, subjektiv forståelighet, MIPS-kostnad, lisensiering og toleranse for billige høyttalere. Elleve aktuelle modeller — B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 og Y6 — er oppgitt med reelle dekoderside-tall hentet fra vår nåværende firmware-tre. Målet er at du skal sitte igjen med et forsvarlig kodekvalg du kan skrive inn i en innkjøpsspesifikasjon, ikke en vag preferanse for «den moderne».

1. Hvorfor kodek-valg er en B2B-beslutning, ikke en teknisk beslutning

Kodeken du velger for en lesepenn har fem forretningsmessige konsekvenser. For det første bestemmer den størrelsen på lydpartisjonen i NAND og dermed BOM-kostnaden per SKU — hver 1 MB lyd spart ved 32 kbps mono utgjør omtrent 0,018 dollar i NAND-kostnad på en 1 000-enhets kjøring til gjeldende 2026 wafer-priser. For det andre avgjør den om verts-SoC-en har nok MIPS-marginer til å dekode samtidig som den kjører OID-skanning, TTS-rendering, BLE og LCD-oppdatering. For det tredje fastsetter den din royaltyeksponering per enhet dersom kodeken krever lisensavgift. For det fjerde former den lokaliseringshistorien din, fordi hvert ekstra språk krever rundt 80–160 MB lydressurser, og kodekens kompresjonsforhold virker multipliserende på tvers av språk. For det femte påvirker den feltpåliteligheten, fordi feilskjulingsegenskapene under Wi-Fi-samtidighet eller i nærheten av et barns nettbrett varierer mellom kodeker.

For en importør som vurderer en ODM, er det praktiske spørsmålet ikke «hvilken kodek er best» i en absolutt audiofil forstand — ingen av disse brukes til musikkmastrering — men snarere «hvilken kodek gir meg den minste pålitelige filen som en klasse-D-forsterker på 1,40 dollar som driver en mylar-høyttaler på 16 mm, fortsatt kan gjøre forståelig når et barn på 6 år trykker på den i et bråkete klasserom». Alt nedenfor vurderes mot denne rammen.

Tips til innkjøper: Hvis leverandøren din oppgir en lydressursstørrelse uten å fortelle deg kodek, samplingsfrekvens og antall kanaler, bør du behandle tallet som markedsføring. Forankre alltid trippelet (kodek, kHz, kanal) i kontraktens skjema B før verktøyene frigjøres.

2. Referansegrunnlaget for de 11 modellene

Lesepenn-porteføljen bruker for tiden tre ulike kodekstrategier, og enhver ny fastvareutgivelse må holde alle tre i drift. Tabellen nedenfor er grunnlaget som alle kompresjonstall senere i artikkelen måles mot. Filene er normalisert til 22 050 Hz mono 16-bit PCM i studiomasteren, deretter rekodet med målets kodek og bithastighet. Tallene gjenspeiler produksjonsfastvaren i 2026 Q3.

Porteføljen dekker bevisst tre generasjoner. Gruppen B1/B2/F8/P2 er bygget rundt eldre Cortex-A-klasse SoC-er der Opus ville skyve dekoderbudsjettet over komfortable marginer. Gruppen K7/KF1/Q6/Q8 har MIPS-ressursene til å kjøre alle de tre kodekene. Gruppen L5/T2/Y6 er den nye plattformen og bruker Opus som standard for å dra nytte av kompresjonseffektiviteten.

3. MP3 — Den patentfrie komfortsonen

MP3 (MPEG-1/2 Audio Layer III) er kodeken enhver importør har hørt om, og kodeken ethvert innholdsteam allerede vet hvordan de skal kode. Etter at patentet utløp i 2017 er formatet royaltyfritt for både enkoder og dekoder, noe som fjerner en juridisk variabel fra BOM-samtalen. På B1, B2, F8 og P2 bruker vi fortsatt MP3 delvis av den grunnen, og delvis fordi kodeken dekoder godt under 30 MIPS på en Cortex-A5-kjerne, slik at nok sykluser frigjøres til OID-oppslag og LCD-oppfriskning samtidig.

Kompresjonsprofilen på F8-fastvaren ved 96 kbps mono, 22.05 kHz, er vårt referansepunkt. Et 30-sekunders fortellersegment komprimeres til 360 KB; en typisk tidlig-leser-bok med 220 klipp lander på 26.1 MB totalt, med ytterligere 4.8 MB med fonetikklyder oppå. MP3s velkjente svakhet er forhånsekko på transient materiale, noe som er nettopp det cymbaler, perkussive konsonanter som /t/ og /k/, og lydeffekter er. Vi kompenserer ved å begrense enkodere til LAME -q 2-q 2 og slå av bit-reservoar på filer kortere enn 800 ms. Subjektiv taleforståelighet for fortelling er akseptabel ned til rundt 80 kbps mono på en liten høyttaler; under det forsvinner båndet over 12 kHz og sibilanter mister sin klarhet.

Fordelen ingen snakker om, er at enhver lydarbeidsstasjon, enhver lydtekniker og ethvert innholdsstudio kan produsere MP3 uten hjelp. For lokalisasjonsteam på 12 språk betyr det en planleggingsfordel på 6 uker sammenlignet med AAC eller Opus, som begge krever et dokumentert re-encode-trinn.

4. AAC-LC — Det perfekte forholdet mellom kvalitet og MIPS

AAC-LC (MPEG-4 Advanced Audio Coding, Low Complexity-profil) er kodeken som brukes på B1, B2, K7, KF1, Q6 og Q8. Den er omtrent 30 prosent mer effektiv enn MP3 ved samme perseptuelle kvalitet for tale, og dekoderen kjører på rundt 40 MIPS på samme Cortex-A5-silisium. Det er en bratt avveining på de eldre delene, men det betaler seg i flash-besparelser: en 96 kbps AAC-klipp ved 24 kHz mono er rundt 24.0 MB per bok mot 26.1 MB på F8-referansen.

AAC har en kjent svakhet på billige høyttalere: standard SBR (Spectral Band Replication)-verktøyet er brilliant til å fylle inn manglende høyder, men eksponerer artefakter på en 16 mm mylar-driver som ikke har reelt output over 12 kHz. Vi deaktiverer derfor SBR i bygget og holder AAC-LC strengt i ren LC-modus, noe som betyr at kodeken aldri prøver å rekonstruere bånd høyttaleren ikke kan gjengi. For en innkjøpsansvarlig i en skolekrets er det praktiske poenget at AAC ved 96 kbps mono LC vil yte bedre enn MP3 ved 96 kbps på en B2 eller K7 i ethvert klasserom der barnet er mer enn 30 cm fra enheten.

Lisensbildet er AAC-fellen. Patentpoolen som administrerte AAC-LC-patenter i årevis er teknisk oppløst på enkodersiden for forbrukerdistribusjon, men på dekodersiden er det fortsatt en liten forventning om per-enhet royalty hos noen SoC-leverandører. Vi absorberer det i SoC-lisensen på fastvare-nivå, slik at importører ikke ser en egen linje. Bekreft skriftlig med din ODM at AAC-dekoderen de sender er lisensiert på SoC-nivå; ikke ta det for gitt.

5. Opus — 2026-standarden for nye programmer

Opus er kodeken som plattformene L5, T2 og Y6 kjører naturlig. Den ble standardisert av IETF i 2012, patentpoolen er fullstendig royaltyfri for både enkoder og dekoder, og den ble designet fra starten av for både tale og musikk. Ved 48 kbps mono, 24 kHz, lagrer L5 en bok med 220 klipp på 12,6 MB — omtrent 52 prosent mindre enn F8 sin MP3-bygging og 48 prosent mindre enn Q6 sin AAC-bygging. På en 8 GB NAND er det forskjellen mellom å ha plass til 290 bøker og 480 bøker. For en utgiver som lokaliserer til 12 språk, vokser dette forholdet til rundt 5,7 GB gjenvunnet flash-plass.

Dekoder-MIPS-kostnaden på en Cortex-A53 ved 1.2 GHz er rundt 60 MIPS ved 48 kbps, noe som er godt innenfor budsjettet når OID-oppslag, TTS og BLE-pipelines kjører samtidig. Vi anbefaler ikke Opus på de eldre B1/B2/F8/P2 SoC-ene — MIPS-kostnaden der er ubehagelig nær 25 prosent av tilgjengelig dekoderbudsjett, og vi har målt lyd-dropouts under tung BLE-trafikk på tidlige F8-prototyper som vi aldri så med MP3.

Opus har en funksjon de to andre mangler: en innebygd PLC-algoritme (Packet Loss Concealment) og en FEC-modus (Forward Error Correction) som passer svært godt med lesepinner som mister Wi-Fi- eller BLE-pakker under skanning. Vi vil kvantifisere PLC separat i TC-139, men for valg av codec er poenget at Opus er den eneste av de tre hvis bitstrøm er designet for å overleve ustabil transporttap, med antakelsen om at dekoderen ser hull.

6. Kompresjonstall head-to-head

Tallene nedenfor kommer fra ett enkelt korpus på 220 klipp med 30 sekunders fortellerstemme, spilt inn av en profesjonell barneskuespiller ved 22,05 kHz mono 16-bit. Hvert segment ble kodet ved fire representative bitrater med VBR deaktivert og ABR aktivert, og deretter målt for størrelse og MUSHRA-lignende subjektiv poengsum på et panel med 12 voksne lyttere som brukte Sennheiser HD 280 Pro-hodetelefoner. Høyttalerne i felttesten var produksjonsenhetene på 16 mm mylar som ble sendt med K7.

Den viktigste kommersielle konklusjonen er MOS-til-størrelse-kurven. Opus ved 48 kbps og AAC-LC ved 96 kbps gir samme opplevde kvalitet (3,9 MOS), men Opus gjør det til nøyaktig halve flashkostnaden. AAC-LC ved 64 kbps er statistisk ikke mulig å skille fra Opus ved 48 kbps på tale (3,5 mot 3,3 i vårt panel) og koster omtrent 38 prosent mer flash. MP3 ved 96 kbps er den dårligste av de tre — samme størrelse som AAC-LC ved 96 kbps, men 0,7 MOS-poeng etter.

7. Dekoder-MIPS, batteri og det skjulte BOM-hjulet

En lesepenn er ikke en telefon. Den kjører på en 500–1 400 MHz Cortex-A-klasse SoC uten DSP-avlasting for lyd, trekker strøm fra en 500–2 500 mAh Li-ion- eller Li-poly-celle, og har en 16 mm mylar-høyttaler som tåler rundt 50–250 mW RMS uten forvrengning. Codecen som bruker mest MIPS er også den som tømmer batteriet raskest ved kontinuerlig opplesing, og forskjellen er målbar i felten.

Vi instrumenterer hver produksjonsfirmware for MIPS og strømtrekk ved batteripolen under opplesing. Y6 med Opus ved 48 kbps trekker 78 mA i snitt ved batteriet under kontinuerlig opplesing; F8 med MP3 ved 96 kbps trekker 82 mA i snitt ved samme arbeidsbelastning; Q6 med AAC-LC ved 96 kbps trekker 87 mA. Det 9 mA-store gapet mellom Opus og AAC-LC ser lite ut på papiret, men vokser til et driftstidsgap på 12–18 minutter over en full 5,0–8,5 timers leseøkt — som er forskjellen mellom å fullføre en lang bok og å utløse en lavt batteri-advarsel i kapittel sju.

For OEM-er som bygger 12-språksbiblioteker er dette gapet nøkkelen som gjør at T2 når sine publiserte 14 timers driftstid. T2 leveres med en 2 500 mAh 18650-celle — den største i porteføljen — men det er Opus ved 56 kbps som lar firmwaren faktisk levere 14 timer med blandet opplesing, OID-skanning og standby i laboratoriet. MP3 ved samre bithastighet ville ha kortet ned denne tallet med rundt 90 minutter.

8. Lokalisering, royalty og innkjøpsarbeidsflyt

Tre innkjøpsrealiteter driver codec-valget mer enn lydkvaliteten gjør. For det første, royaltyeksponering: MP3 er gratis, Opus er gratis, AAC-LC-dekoder følger med på SoC-nivået for plattformene vi bruker for øyeblikket. En importør som insisterer på en SoC utenom dette nivået for å jakte en BOM-besparelse på 0,04 dollar, kan bli ubehagelig overrasket når AAC-dekoderen medfører en avgift per enhet. For det andre, innholdsproduksjon: MP3 er universell i lydredigeringsverktøy, AAC krever et dokumentert omkodingstrinn med en eksplisitt LC-profil og ADTS-innpakning, Opus krever et eksplisitt valg av samplingsfrekvens og rammestørrelse per asset. For det tredje, feltoppdateringer: en OTA-oppdatering som bytter et MP3-asset med et Opus-asset er rundt 50 prosent mindre og lander på en dårlig 3G-forbindelse i MENA på 4 minutter i stedet for 9.

For en kjøper som vurderer en ODM, er det smarte grepet å matche kodeken til plattformgenerasjonen. Spesifiser MP3 for B1-, B2-, F8- og P2-programmer; AAC-LC for K7-, KF1-, Q6- og Q8-programmer; Opus for ethvert nytt L5-, T2- eller Y6-program. Ikke bland kodeker innenfor én enkelt plattform — det kompliserer dekoder-treet, bremser firmware-QA, og presser AQL-feilraten for lydavspilling fra vår grunnlinje på 0,7 prosent opp mot 1,4 prosent i våre feltdata.

9. Slik spesifiserer du codec i en innkjøpskontrakt

Tre ting må være låst skriftlig før verktøysslipp. For det første, det nøyaktige kodeknavnet og profilen — «AAC-LC, uten SBR, uten PS, ADTS-innpakning, 24 kHz mono, 96 kbps» er presisjonsnivået du ønsker. Bare «AAC» vil feile ved innkommende QC fordi enkoderen kan ha generert en HE-AAC-profil som SoC-en din ikke kan dekode. For det andre, enkoderleverandøren og versjonen — LAME 3.100 for MP3, fdkaac 2.0 for AAC, libopus 1.4 for Opus. For det tredje, verifiseringsmetodikken — leverandøren må levere en 30-sekunders testressurs ved produksjons-bitraten, og importøren må kjøre den gjennom sin egen QA-fixtur på en produksjonslinje-penn innen 14 dager etter første artikkel.

For flerspråkslige utrullinger, lås enkoder-parameterne i en delt YAML-fil som sjekkes inn i leverandørens innholdsrepo. Dette er den vanligste enkeltårsaken til at en 12-språks utrulling leveres 2 uker for sent: hvert lokaliseringsteam omkoder med subtilt forskjellige innstillinger, og ett av de 12 feiler ved validering av samplingsfrekvens.

10. Beslutningsmatrise og anbefalinger

For et helt nytt program som starter i 2026 på L5-, T2- eller Y6-plattformen, er anbefalingen Opus ved 48 kbps mono 24 kHz for innlesing, lydeffekter og fonetikk, med mulighet til å gå opp til 64 kbps kun for musikktunge titler. For mellomgenerasjonsprogrammer på K7, KF1, Q6 eller Q8 er AAC-LC ved 96 kbps mono 24 kHz fortsatt det riktige svaret. For kostnadsdrevne programmer på B1, B2, F8 eller P2, hold deg til MP3 ved 80–96 kbps mono 22,05 kHz, og la ingen selge deg opp til AAC eller Opus med mindre du har en spesifikk grunn. Unntaket er tospråklige programmer der det andre språket må sameksistere med det første på samme NAND; der vil et skifte fra F8 eller P2 til AAC-LC ved 80 kbps gjenvinne rundt 18 prosent av lydpartisjonen og er verdt MIPS-avgiften.

For innkjøpere som skriver RFQ-er, er linjen som avslutter codec-debatten: «Lydassets kodet i [Opus 48 kbps / AAC-LC 96 kbps / MP3 96 kbps] ved 24 kHz mono, enkoderversjon festet, levert med ADTS- eller Ogg-beholder, AQL 1,0 på bithastighets-samsvar, sample-assets validert på produksjonslinje-maskinvare innen 14 dager etter første artikkel.» Denne ene linjen fjerner 80 prosent av feltsakene vi ser på tvers av vårt 230+ aktive distributørnettverk.

Relatert lesning

• Lesepenn lyd-samplingsfrekvens 16 kHz vs 44,1 kHz
• Lesepenn bit-dybde 16 vs 24 vs 32 bit
• Lesepenn opptaksformat WAV vs AMR vs Opus
• Lesepenn Class-D lydforsterker design
• Lesepenn batteri litium-polymer sikkerhet
• Lesepenn strømforbruk og driftstidstest
• OEM lesepenn-tjenester
• Be om tilbud på lesepenn