Målgruppe: Hardware-ingeniører, OEM-programledere og audio-firmwarearkitekter som trenger å forstå mikrofonsignalkjeden, USB Audio Class-oppførsel og båndbreddeimplikasjonene til USB 2.0 vs 3.0 for lesepenn-SKUer. Sekundært: QA-ledere som utformer valideringsplaner for ASR-nøyaktighet.
En saudiarabisk distributør kontaktet oss i slutten av 2025 fordi hans detaljhandelkunder returnerte Q6-penner med en rate på 4,8 % og klagen «stemmegjenkjenning fungerer ikke i stuen min». Vi hentet inn 12 returnerte enheter, kjørte dem gjennom kammeret vårt ved 55 dB SPL med 1 m taleravstand, og 11 av 12 bestod vår interne ASR-grense. Det virkelige problemet var ikke mikrofonen – det var USB-lydpipelinen. Distributøren hadde koblet pennene til en Windows-bærbar PC som kjørte en tredjeparts ASR-demo med USB 3.0 isokron modus som standard, noe som la til 220 ms buffringslatens og presset nøkkelordgjenkjenningens nøyaktighet ned fra 92 % til 68 %. Vi ga distributøren et konfigurasjonsnotat for Windows som uttrykkelig deaktiverer USB 3.0 isokron modus; returraten falt til 0,8 % innen 30 dager. Hver lesepenn i katalogen vår (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) leveres med en MEMS-mikrofon og et USB audio class-grensesnitt, og denne veiledningen går gjennom hvordan vi måler SNR, latens og båndbredde.
1. Mikrofonsignalkjeden i en lesepenn
Hver lesepenn har en enkelt MEMS-mikrofon med port i bunnen. Vi bruker tre familier: en analog MEMS med analog utgang på inngangsnivå på B1, B2, P2; en digital MEMS med PDM-utgang på mellomnivå på F8, K7, KF1; og en lavstøy digital MEMS med PDM og 64 dB SNR på L5, Q6, Q8, T2, Y6. Analoge mikrofoner mater inn i codec-ADC-en på verts-MCU-en; digitale PDM-mikrofoner mater inn i PDM-til-PCM-dekoderen i audio-DSP-en. Premium-SKUer legger til en dedikert mikrofon-bias-LDO med 0,5 µV RMS-støy, som er den begrensende faktoren for SNR.
SNR-tallet er viktig fordi ASR-nøyaktigheten faller brått når SNR synker under 55 dB. Et barnehageklass rom har i snitt 65 dB SPL omgivelsesstøy, og et barn som snakker på 1 m avstand produserer 60 dB SPL ved munnen. Det gir en SNR-margin på 5 dB. En analog MEMS med 58 dB SNR faller til 51 dB SNR under klasseromsstøy, og ASR WER stiger fra 6,4 % til 14,8 %. En digital MEMS med 64 dB SNR holder 58 dB SNR under samme støy, med WER på 7,2 %. Forskjellen på 7,6 prosentpoeng i WER er avstanden mellom en bestått og en mislykket detaljhandelsdemo.
| SKU | Mikrofontype | SNR (stille) | SNR (65 dB omgivelse) | ASR WER (stille) | ASR WER (65 dB) |
|---|---|---|---|---|---|
| B1 | Analog MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| B2 | Analog MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| F8 | Digital PDM | 61 dB | 54 dB | 7,8 % | 13,6 % |
| K7 | Digital PDM | 62 dB | 55 dB | 7,6 % | 12,8 % |
| KF1 | Digital PDM | 62 dB | 55 dB | 7,6 % | 12,8 % |
| L5 | Lavstøy PDM | 64 dB | 58 dB | 6,4 % | 9,8 % |
| P2 | Analog MEMS | 58 dB | 51 dB | 8,4 % | 16,2 % |
| Q6 | Lavstøy PDM | 64 dB | 58 dB | 6,4 % | 9,6 % |
| Q8 | Lavt støynivå PDM | 64 dB | 58 dB | 6,4 % | 9,4 % |
| T2 | Lavt støynivå PDM | 65 dB | 59 dB | 6,0 % | 9,0 % |
| Y6 | Lavt støynivå PDM | 65 dB | 59 dB | 6,0 % | 9,0 % |
Kjøperråd: Hvis din butikkdemo eller skoleutrulling kjører i et støymiljø på 60+ dB, be fabrikken om SNR-målingen under belastning, ikke SNR fra spesifikasjonsarket. De to tallene kan avvike med 6 dB, forskjellen mellom et salg og en retur.
2. USB Audio Class: UAC 1.0 vs UAC 2.0 vs UAC 3.0
En lesepenn som eksponerer mikrofonen sin for en vertsdatamaskin bruker USB Audio Class-spesifikasjonen. Tre versjoner er relevante: UAC 1.0 (USB 1.0-æraen, mono 8 kHz, 16-bit), UAC 2.0 (USB 2.0-æraen, flerkanal opptil 192 kHz, 24-bit, async-modus), og UAC 3.0 (USB 3.0-æraen, lavere latens, forbedret kontroll). Ingen av pennene våre implementerer UAC 3.0 fordi vertsstøtten er ujevn på tvers av Windows, macOS og Android. Vi bruker UAC 1.0 på B1, B2, F8, P2, K7, KF1 (mono 16 kHz, 16-bit), og UAC 2.0 på L5, Q6, Q8, T2, Y6 (mono 48 kHz, 16-bit, async).
Valget mellom UAC 1.0 og UAC 2.0 er viktig på grunn av latens. UAC 1.0 på USB 2.0 har et fast 1 ms rammeintervall, som gir en verste-fall-latens på 13 ms ved 16 kHz. UAC 2.0 i adaptiv modus har et programmerbart bussintervall ned til 125 µs, og typisk latens på USB 2.0 High-Speed er 4 ms. På USB 3.0 SuperSpeed kan UAC 2.0 synke til 1,4 ms. Latensen er viktig for respons ved nøkkelordgjenkjenning og lyd-bilde-synkronisering.
For Q6 og Q8 (som støtter alltid-lyttende vekkeord), er latensbudsjettet 80 ms fra lyd inn til LED-blink. UAC 2.0 ved 4 ms gir 76 ms til nøkkelord-nettverket. UAC 1.0 ved 13 ms gir 67 ms, fortsatt tilstrekkelig. UAC 3.0 ved 1,4 ms ville gitt 78,6 ms, men legger til 220 ms bufring på Windows på grunn av driverens isokrone kø-dybde – grunnårsaken til den saudiarabiske klagen ovenfor.
3. USB 2.0 vs 3.0 båndbredde: Hvor mye du faktisk trenger
De kjente toppverdiene for båndbredde er: 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), og 20 Gbps USB 3.2. En mono 48 kHz, 16-bit mikrofonstrøm er 768 kbps; en stereo 48 kHz, 16-bit avspillingsstrøm fra vert til penn er 1,536 Mbps. Total samtidig lydbåndbredde er 2,3 Mbps, som får plass innenfor USB 1.1 Full Speed (12 Mbps).
Der USB 2.0 vs 3.0 betyr noe på en lesepenn, er fastvareoppdatering og innholdsopplasting. Et 256 MB fastvarebilde på USB 2.0 High Speed tar 5,6 sekunder. Den samme opplastingen over USB 3.0 SuperSpeed tar 0,6 sekunder. For et skoleprogram som oppdaterer 1 200 penner over en vogn, er det forskjellen mellom en 90-minutters oppdateringssyklus og en på 10 minutter. Vi støtter USB 2.0 High Speed på alle SKU-er. Vi støtter ikke USB 3.0 SuperSpeed fordi kostnadsøkningen for kontakten ($0,18 til $0,42) ikke rettferdiggjør hastighetsgevinsten på en penn som strømmer lyd og sporadisk fastvare.
| SKU | USB-versjon | Kontakt | Lydklasse | Maks lydbåndbredde | Fastvareopplastingstid (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. Mikrofonplassering og akustisk design
Mikrofonplassering er like viktig som mikrofonens SNR. Hver lesepenn plasserer MEMS-porten i den nedre tredjedelen av huset, 14–22 mm over skrivespissen, orientert 22 grader oppover og bort fra skriveflaten, fordi et barn holder pennen i 45 graders skrivevinkel. Vi målte en forbedring på 4 dB i SNR med den vinklede porten sammenlignet med en rett ned-port ved 30 cm avstand til taleren.
Den akustiske porten er et hull på 1,0 mm med et 0,4 mm hydrofobisk nettinggitter bak. Gitteret hindrer spytt og støv i å nå membranen. Vi avviste to partier med mikrofoner i 2024 fordi gitteret var 0,2 mm og slapp spytt gjennom, noe som førte til membran-korrosjon etter 8 måneder. Erstatningskostnaden var 0,014 USD per enhet og la til 4 dager på produksjonen.
Et annet akustisk designvalg er tetningen mellom mikrofonporten og huset. Vi bruker en silikon-O-ring med 30 Shore A hardhet på alle premium-SKU-er (L5, Q6, Q8, T2, Y6). O-ringen isolerer mikrofonen fra vibrasjoner i huset når pennen bankes på et bord. Uten den kobles bankelyden inn i mikrofonen som en transient på 78 dB SPL, som nevralnettverket for wake-word av og til feilklassifiserer som et aktiveringsord.
5. PDM vs analog mikrofon: Hvorfor premium-SKU-ene er digitale
Valget mellom analog MEMS og digital PDM MEMS er en avveining mellom BOM-kostnad, signalintegritet og klokkedomenekompleksitet. En analog MEMS koster 0,18 USD pluss en ADC-kanal på verts-MCU-en til 0,04 USD. En digital PDM MEMS koster 0,32 USD og krever en PDM-til-PCM-dekoder i lyd-DSP-en. PDM-banen koster 0,10 USD mer per enhet, men eliminerer analog føring på PCB-en, som er kilden til 60 Hz brumming i vårt EMI-kammer.
På B1, B2 og P2 aksepterer vi den analoge signalveien fordi huset er lite og det analoge sporet kan holdes under 8 mm. På F8, K7 og KF1 går vi over til PDM fordi den analoge sporlengden ville overstige 12 mm. På L5, Q6, Q8, T2 og Y6 bruker vi PDM fordi spole-huset presser det analoge sporet opp i 18 mm, som er for langt for ren lyd innenfor vår EMI-margin. Premium-SKU-ene bruker en lavstøy-MEMS med 64 dB SNR i stedet for 61 dB, noe som legger til $0,06 per enhet.
6. USB-lyd samplingsfrekvens, bitdybde og ASR-konsekvenser
Valget av samplingsfrekvens påvirker både lydkvalitet og ASR-nøyaktighet. Vi bruker 16 kHz, 16-bit for ASR fordi det er den opprinnelige frekvensen til nøkkelord-gjenkjenningens nevrale nettverk på Q6/Q8/T2/Y6 og nettskyens ASR-API-fallback på alle SKU-er. Vi bruker 48 kHz, 16-bit for musikkavspilling fordi det er standarden for lydbøkene vi sender. 16-bit-dybden er tilstrekkelig fordi mikrofonens SNR maksimerer på 65 dB, og 16-bit dynamisk område er 96 dB. Det er ingen ASR-fordel med 24-bit på en lesepenn.
En mer interessant avveining er mellom 48 kHz og 96 kHz for musikkavspilling. En samplingsfrekvens på 96 kHz ville presset lydstrømmen til 3,07 Mbps, fortsatt innenfor USB 2.0 High Speed-marginen, men gir ingen hørbar fordel på en høyttaler med 22 kHz båndbredde. Vi benchmarker hver SKU med en 48 kHz-grense. Enhver OEM-kjøper som ber om 96 kHz-avspilling blir bedt om å gi en begrunnelse; vi har ennå ikke sett en.
7. Mikrofonarray og stråleforming: en fremtidig kjøreplan
Vi leverer foreløpig ikke en lesepenn med mikrofonoppstilling. Enkelt-mikrofon-arkitekturen er tilstrekkelig for dagens bruksområder. Vi følger med på to fremtidige retninger: en dobbel-mikrofon-oppstilling på en fremtidig premium-SKU for støydemping i 70+ dB-miljøer, og en stråleformings-kompatibel fastvarestack som kan forbedre ASR-nøyaktigheten i klasserommet med ytterligere 2,4 prosentpoeng WER. Dobbelt-mikrofon-oppstillingen vil legge til $0,40 på BOM og kreve en 32-bit lyd-DSP på 120 MHz. Vi forventer å prototype i Q2 2027 og levere på en fremtidig SKU innen Q1 2028.
Hvis ditt OEM-program har et absolutt krav til støydemping med flere mikrofoner i detaljhandelen, kontakt vårt ingeniørteam gjennom kanalen ODM-lesepenner. Vi har en aktiv NRE-engasjementsmodell som kan scope en tilpasset dual-mic-variant på en 12-måneders tidslinje.
8. USB-IF-samsvarsvinkelen
Hver lesepenn med USB-C-kontakt testes for USB-IF-samsvar. Vi følger USB Type-C Cable and Connector Specification Release 2.2 og USB Audio Device Class Specification 3.0. For B2B-kjøpere som sender til markeder som krever USB-IF-logo-sertifisering (Japan, deler av EU), anbefaler vi å skaffe kontakten og PD-kontrolleren fra USB-IF-listede leverandører. Våre leverandører er oppført under TID 6 200 000 til og med 6 299 999.
For lydklasse-samsvar sender vi hver firmware-build til USB-IF-lydklassekapittel-testpakken, som dekker opplisting, formatforhandling, samplingsfrekvens-matching og asynkron modus-atferd. Vi har ikke hatt en USB-IF-samsvarsfeil på noen lyd-SKU på 36 måneder. Samsvarstestartefakter er tilgjengelige på forespørsel for OEM-kjøpere som trenger å støtte sine egne USB-IF-innleveringer.
9. Mikrofonpersonvern og spørsmålet om alltid-lytting
Tre SKU-er støtter en alltid-lyttende wake-word-modus: Q6, Q8, T2 og Y6. Alltid-lytte-modusen holder MEMS-mikrofonen forspent og et 32 MHz wake-word-nevralnettverk kjørende på DSP-en. Modusen er opt-in via en skjult lang-trykk-menukombinasjon; den er ikke aktivert som standard på detaljhandels-SKU-er. Lyd prosesseres fullstendig på enheten. Ingen lyd lastes opp til en skyserver med mindre wake-word utløses, og da lastes kun lyden etter wake-word opp.
For OEM-kjøpere som sender inn i markeder med strenge mikrofonsamtykkelover (California, EU under GDPR, Brasil under LGPD), anbefaler vi at alltid-lytte-modusen leveres deaktivert som standard med et tydelig merknad i esken. Vi leverer en malsamtykkeerklæring i compliance documentation som tilpasser seg hvert marked. Vi har ikke hatt noen regulatorisk hendelse på 36 måneder.
10. Veikartet for de neste 9 månedene
Vi følger med på fire forbedringer på lydbanen som vil være på plass innen Q2 2027. For det første en 67 dB SNR-MEMS på T2 og Y6, som forventes å presse WER i 65 dB støymiljø ned til 7,4%. For det andre en UAC 2.0-driverstack for Android, for øyeblikket i beta, som vil la Android-telefoner bruke lesepennen som ekstern mikrofon uten den Windows-begrensningen. For det tredje en USB-C-kontakt med 10 Gbps USB 3.2-støtte på en fremtidig SKU, for fastvareoppdateringer i skole-cart-scenarier. For det fjerde en personvernmodus-bit i fastvaren som fysisk frakobler mikrofonens bias-LDO når lyttemodus er deaktivert i innstillingene, slik at selv et fastvare-utnyttelse ikke kan aktivere mikrofonen uten maskinvarereaktivering.
Vi vil publisere en oppfølging av teknisk rapport etter at 67 dB SNR MEMS og Android UAC 2.0-driveren er sendt ut. Lydarkitekturen er moden og godt støttet, og vi inviterer enhver OEM-kjøper med et tilpasset lydbehov til å ta kontakt med vårt wholesale reading pens team for en gjennomførbarhetsvurdering.
Relatert lesing
- Reading Pen Type-C Charging: USB PD, QC, and BC1.2 Explained
- Reading Pen Type-C Connector Insertion Cycle and Receptacle Wear
- Reading Pen ASR Automatic Speech Recognition
- Reading Pen MEMS Microphone and Noise Cancellation
- Reading Pen Class D Audio Amplifier Design
- Reading Pen Power Management and Runtime Optimization
- Reading Pen Bluetooth 5.0 vs 5.2 vs 5.3
- Reading Pen OTA Firmware Update Mechanism