Público-alvo: Responsáveis de engenharia de hardware, gestores de programas OEM e arquitetos de firmware áudio que precisam de compreender a cadeia de sinal do microfone, o comportamento da USB Audio Class e as implicações de largura de banda entre USB 2.0 e 3.0 nas referências de canetas de leitura. Secundário: gestores de QA que desenham planos de validação de precisão de ASR.
Um distribuidor da Arábia Saudita contactou-nos no final de 2025 porque os seus clientes retalhistas estavam a devolver canetas Q6 a uma taxa de 4,8% com a reclamação "o reconhecimento de voz não funciona na minha sala de estar". Recolhemos 12 unidades devolvidas, submetemo-las à nossa câmara a 55 dB SPL com falante a 1 m de distância e 11 em 12 passaram o nosso limiar interno de ASR. O verdadeiro problema não era o microfone — era o pipeline de áudio USB. O distribuidor tinha ligado as canetas a um portátil Windows com uma demo de ASR de terceiros que utilizava por predefinição o modo isócrono USB 3.0, adicionando 220 ms de latência de buffer e fazendo cair a precisão de deteção de palavras-chave de 92% para 68%. Fornecemos ao distribuidor uma nota de configuração para Windows que desativa explicitamente o modo isócrono USB 3.0; a taxa de devolução caiu para 0,8% em 30 dias. Todas as canetas de leitura do nosso catálogo (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) são fornecidas com microfone MEMS e interface USB audio class, e este guia explica como medimos SNR, latência e largura de banda.
1. A cadeia de sinal do microfone numa caneta de leitura
Cada caneta de leitura tem um único microfone MEMS com porta inferior. Utilizamos três famílias: um MEMS analógico de nível de entrada na B1, B2, P2; um MEMS digital PDM de gama média na F8, K7, KF1; e um MEMS digital PDM de baixo ruído com 64 dB de SNR na L5, Q6, Q8, T2, Y6. Os microfones analógicos alimentam o ADC do codec no MCU anfitrião; os microfones digitais PDM alimentam o descodificador PDM-para-PCM dentro do DSP de áudio. As referências premium incluem um LDO dedicado de polarização do microfone com 0,5 µV de ruído RMS, o fator limitante do SNR.
O valor de SNR importa porque a precisão de ASR cai abruptamente quando o SNR desce abaixo dos 55 dB. Uma sala de jardim de infância tem, em média, 65 dB SPL de ruído ambiente, e uma criança a falar a 1 m de distância produz 60 dB SPL à boca. Isto deixa uma margem de SNR de 5 dB. Um MEMS analógico com 58 dB de SNR desce para 51 dB de SNR sob o ruído da sala, e a WER de ASR sobe de 6,4% para 14,8%. Um MEMS digital com 64 dB de SNR mantém 58 dB de SNR sob o mesmo ruído, com a WER a permanecer nos 7,2%. A diferença de 7,6 pontos percentuais na WER é a distância entre uma demonstração retalhista aprovada e uma reprovada.
| Referência | Tipo de mic | SNR (silêncio) | SNR (65 dB ambiente) | WER ASR (silêncio) | WER ASR (65 dB) |
|---|---|---|---|---|---|
| B1 | MEMS analógico | 58 dB | 51 dB | 8,4% | 16,2% |
| B2 | MEMS analógico | 58 dB | 51 dB | 8,4% | 16,2% |
| F8 | PDM digital | 61 dB | 54 dB | 7,8% | 13,6% |
| K7 | PDM digital | 62 dB | 55 dB | 7,6% | 12,8% |
| KF1 | PDM digital | 62 dB | 55 dB | 7,6% | 12,8% |
| L5 | PDM baixo ruído | 64 dB | 58 dB | 6,4% | 9,8% |
| P2 | MEMS analógico | 58 dB | 51 dB | 8,4% | 16,2% |
| Q6 | PDM baixo ruído | 64 dB | 58 dB | 6,4% | 9,6% |
| Q8 | PDM de baixo ruído | 64 dB | 58 dB | 6,4% | 9,4% |
| T2 | PDM de baixo ruído | 65 dB | 59 dB | 6,0% | 9,0% |
| Y6 | PDM de baixo ruído | 65 dB | 59 dB | 6,0% | 9,0% |
Dica para o comprador: Se a sua demonstração em loja ou a implementação numa escola decorrer num ambiente com ruído ambiente superior a 60 dB, peça à fábrica a medição de SNR em carga, e não o SNR da folha de especificações. Os dois valores podem diferir em 6 dB — a diferença entre uma venda e uma devolução.
2. USB Audio Class: UAC 1.0 vs UAC 2.0 vs UAC 3.0
Uma caneta de leitura que expõe o seu microfone a um computador anfitrião utiliza a especificação USB Audio Class. Existem três versões relevantes: UAC 1.0 (era USB 1.0, mono 8 kHz, 16 bits), UAC 2.0 (era USB 2.0, multicanal até 192 kHz, 24 bits, modo assíncrono) e UAC 3.0 (era USB 3.0, menor latência, controlo melhorado). Nenhuma das nossas canetas implementa UAC 3.0 porque o suporte nos anfitriões é inconsistente entre Windows, macOS e Android. Utilizamos UAC 1.0 nos modelos B1, B2, F8, P2, K7, KF1 (mono 16 kHz, 16 bits) e UAC 2.0 nos modelos L5, Q6, Q8, T2, Y6 (mono 48 kHz, 16 bits, assíncrono).
A escolha entre UAC 1.0 e UAC 2.0 é importante por causa da latência. A UAC 1.0 em USB 2.0 tem um intervalo de frame fixo de 1 ms, resultando numa latência no pior caso de 13 ms a 16 kHz. A UAC 2.0 em modo adaptativo tem um intervalo de barramento programável até 125 µs, com uma latência típica em USB 2.0 High Speed de 4 ms. Em USB 3.0 SuperSpeed, a UAC 2.0 pode chegar a 1,4 ms. A latência é relevante para a capacidade de resposta do reconhecimento de palavras-chave e para a sincronização áudio-vídeo.
Para os modelos Q6 e Q8 (que suportam wake-word sempre ativo), o orçamento de latência é de 80 ms desde a entrada do som até ao piscar do LED. A UAC 2.0 a 4 ms deixa 76 ms para a rede neural de palavras-chave. A UAC 1.0 a 13 ms deixa 67 ms, ainda suficiente. A UAC 3.0 a 1,4 ms deixaria 78,6 ms, mas adiciona 220 ms de buffer no Windows devido à profundidade da fila isócrona do driver — a causa raiz da reclamação da Arábia Saudita acima referida.
3. Largura de banda USB 2.0 vs 3.0: quanto precisa na prática
Os valores de largura de banda de referência são conhecidos: 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) e 20 Gbps USB 3.2. Um fluxo de microfone mono a 48 kHz e 16 bits ocupa 768 kbps; um fluxo de reprodução estéreo a 48 kHz e 16 bits do anfitrião para a caneta ocupa 1,536 Mbps. A largura de banda áudio total em simultâneo é de 2,3 Mbps, cabendo no USB 1.1 Full Speed (12 Mbps).
Onde o USB 2.0 vs 3.0 realmente importa numa caneta de leitura é na atualização de firmware e no carregamento de conteúdos. Uma imagem de firmware de 256 MB em USB 2.0 High Speed demora 5,6 segundos. O mesmo carregamento em USB 3.0 SuperSpeed demora 0,6 segundos. Para um programa escolar que atualiza 1.200 canetas através de um carrinho, esta é a diferença entre um ciclo de atualização de 90 minutos e um de 10 minutos. Suportamos USB 2.0 High Speed em todos os SKUs. Não suportamos USB 3.0 SuperSpeed porque o aumento de custo do receptáculo (de 0,18 USD para 0,42 USD) não se justifica pelo ganho de velocidade numa caneta que transmite áudio e firmware ocasional.
| SKU | Versão USB | Receptáculo | Classe de áudio | Largura de banda áudio máx. | Tempo de carregamento de FW (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. A Posição do Microfone e a Conceção Acústica
A posição do microfone é tão importante quanto a SNR do microfone. Todas as canetas de leitura colocam a porta MEMS no terço inferior da caixa, 14–22 mm acima da ponta de escrita, inclinada 22 graus para cima, afastada da superfície de escrita, porque uma criança segura a caneta a um ângulo de escrita de 45 graus. Medimos uma melhoria de 4 dB na SNR com a porta inclinada, em comparação com uma porta diretamente para baixo, a 30 cm de distância do falante.
A porta acústica é um orifício de 1,0 mm com uma malha hidrofóbica de 0,4 mm atrás. A malha impede que saliva e poeiras atinjam o diafragma. Rejeitámos dois lotes de microfones em 2024 porque a malha tinha 0,2 mm e deixava passar a saliva, provocando corrosão do diafragma após 8 meses. O custo da substituição foi de 0,014 $ por unidade e adicionou 4 dias à produção.
Uma segunda opção de conceção acústica é o vedante entre a porta do microfone e a caixa. Utilizamos um O-ring de silicone com dureza 30 Shore A em todos os SKU premium (L5, Q6, Q8, T2, Y6). O O-ring isola o microfone das vibrações da caixa quando a caneta é batida numa mesa. Sem ele, o ruído do impacto acopla-se ao microfone como um transitório de 78 dB SPL, que a rede neural de keyword-spotting ocasionalmente classifica erradamente como uma wake word.
5. PDM vs. Microfone Analógico: Por que os SKUs Premium São Digitais
A escolha entre MEMS analógico e MEMS PDM digital é uma compensação entre custo de BOM, integridade do sinal e complexidade de domínio de relógio. Um MEMS analógico custa 0,18 $ mais um canal ADC de 0,04 $ no MCU anfitrião. Um MEMS PDM digital custa 0,32 $ e requer um descodificador PDM-para-PCM no DSP de áudio. O caminho PDM custa mais 0,10 $ por unidade, mas elimina o routing analógico na PCB, fonte de captação de zumbido de 60 Hz na nossa câmara EMI.
No B1, B2 e P2 aceitamos o caminho analógico porque a caixa é pequena e a pista analógica pode ser mantida abaixo dos 8 mm. No F8, K7, KF1 passamos para PDM porque o comprimento da pista analógica excederia os 12 mm. No L5, Q6, Q8, T2 e Y6 usamos PDM porque a caixa em barra-bobina empurra a pista analógica para 18 mm, demasiado longa para áudio limpo na nossa margem EMI. Os SKUs premium usam um MEMS de baixo ruído com 64 dB SNR em vez de 61 dB, acrescentando 0,06 $ por unidade.
6. Taxa de Amostragem de Áudio USB, Profundidade de Bits e Implicações para ASR
A escolha da taxa de amostragem afeta tanto a qualidade do áudio como a precisão da ASR. Usamos 16 kHz, 16-bit para ASR porque essa é a taxa nativa da rede neural de keyword-spotting no Q6/Q8/T2/Y6 e o fallback da API ASR na cloud em todos os SKUs. Usamos 48 kHz, 16-bit para reprodução de música porque é o padrão dos audiolivros que enviamos. A profundidade de 16-bit é suficiente porque a SNR do microfone atinge no máximo 65 dB e a gama dinâmica de 16-bit é de 96 dB. Não há benefício de ASR com 24-bit numa caneta de leitura.
Uma compensação mais interessante é entre 48 kHz e 96 kHz para reprodução de música. Uma taxa de amostragem de 96 kHz empurraria o stream de áudio para 3,07 Mbps, ainda dentro da margem do USB 2.0 High Speed, mas não traz qualquer benefício audível num altifalante com largura de banda de 22 kHz. Efetuamos benchmarks de todos os SKUs com um limite de 48 kHz. Qualquer comprador OEM que solicite reprodução a 96 kHz é convidado a apresentar uma justificação; até agora, ainda não vimos nenhuma.
7. Array de Microfones e Beamforming: Um Roadmap Futuro
Atualmente não disponibilizamos uma caneta de leitura com array de microfones. A arquitetura com um único microfone é suficiente para os casos de uso atuais. Estamos a acompanhar duas direções futuras: um array de microfones duplo num futuro SKU premium para cancelamento de ruído em ambientes com 70+ dB e uma stack de firmware com capacidade de beamforming que poderá melhorar a precisão da ASR numa sala de aula em mais 2,4 pontos percentuais de WER. O array de microfones duplo acrescentaria 0,40 $ à BOM e requereria um DSP de áudio de 32 bits a 120 MHz. Prevemos prototipar no 2.º trimestre de 2027 e enviar num futuro SKU até ao 1.º trimestre de 2028.
Se o seu programa OEM tiver um requisito estrito de cancelamento de ruído com múltiplos microfones em retalho, contacte a nossa equipa de engenharia através do canal Canetas de leitura ODM. Dispomos de um modelo ativo de envolvimento NRE que pode dimensionar uma variante personalizada de microfone duplo num prazo de 12 meses.
8. O Ângulo da Conformidade USB-IF
Todas as canetas de leitura com recetáculo USB-C são testadas quanto à conformidade USB-IF. Seguimos a USB Type-C Cable and Connector Specification Release 2.2 e a USB Audio Device Class Specification 3.0. Para compradores B2B que enviam para mercados que exigem a certificação de logótipo USB-IF (Japão, partes da UE), recomendamos o sourcing do recetáculo e do controlador PD a fornecedores listados USB-IF. Os nossos fornecedores estão listados sob TID 6.200.000 a 6.299.999.
Para a conformidade da classe de áudio, submetemos cada build de firmware ao capítulo de testes da classe de áudio USB-IF, que abrange enumeração, negociação de formato, correspondência de taxa de amostragem e comportamento em modo assíncrono. Não tivemos qualquer falha de conformidade USB-IF em qualquer SKU de áudio nos últimos 36 meses. Os artefactos de testes de conformidade estão disponíveis a pedido para compradores OEM que necessitem de suportar os seus próprios processos USB-IF.
9. Privacidade do Microfone e a Pergunta da Escuta Permanente
Três SKUs suportam um modo de wake word em escuta permanente: Q6, Q8, T2 e Y6. O modo de escuta permanente mantém o microfone MEMS polarizado e uma rede neural de keyword-spotting a 32 MHz em execução no DSP. O modo é opt-in através de uma combinação oculta de menu por pressão longa; não está ativado por predefinição nos SKUs de retalho. O áudio é processado inteiramente no dispositivo. Nenhum áudio é carregado para um servidor cloud a menos que a wake word seja acionada; nesse caso, apenas o áudio pós-wake word é carregado.
Para compradores OEM que enviam para mercados com leis estritas de consentimento de microfone (Califórnia, UE ao abrigo do RGPD, Brasil ao abrigo da LGPD), recomendamos que o modo de escuta permanente seja enviado desativado por predefinição, com um aviso claro na caixa. Fornecemos um modelo de aviso de consentimento em documentação de conformidade que se adapta a cada mercado. Não registámos qualquer incidente regulamentar nos últimos 36 meses.
10. O Roadmap para os Próximos 9 Meses
Estamos a acompanhar quatro melhorias no percurso de áudio que estarão concluídas até ao segundo trimestre de 2027. Primeiro, um MEMS com SNR de 67 dB nos modelos T2 e Y6, que deverá reduzir a WER em ambiente de 65 dB para 7,4%. Segundo, uma stack de driver UAC 2.0 para Android, atualmente em beta, que permitirá que os telemóveis Android usem a caneta de leitura como microfone externo, eliminando a restrição exclusiva a Windows. Terceiro, uma tomada USB-C com suporte para USB 3.2 a 10 Gbps numa referência futura, para atualizações de firmware em cenários de carrinhos escolares. Quarto, um bit de firmware de modo de privacidade que desliga fisicamente o LDO de polarização do microfone quando o modo de escuta é desativado nas definições, de modo a que nem uma exploração de firmware consiga ativar o microfone sem reativação por hardware.
Iremos publicar um relatório técnico de acompanhamento assim que o MEMS de 67 dB SNR e o driver UAC 2.0 para Android forem lançados. A arquitetura de áudio está madura e bem suportada, e convidamos qualquer comprador OEM com um requisito de áudio personalizado a contactar a nossa equipa de canetas de leitura por atacado para uma análise de viabilidade.
Leitura Relacionada
- Carregamento Type-C da Caneta de Leitura: USB PD, QC e BC1.2 Explicados
- Ciclo de Inserção e Desgaste da Tomada Type-C da Caneta de Leitura
- Reconhecimento Automático de Fala (ASR) da Caneta de Leitura
- Microfone MEMS e Cancelamento de Ruído da Caneta de Leitura
- Conceção do Amplificador de Áudio Classe D da Caneta de Leitura
- Gestão de Energia e Otimização da Autonomia da Caneta de Leitura
- Caneta de Leitura Bluetooth 5.0 vs 5.2 vs 5.3
- Mecanismo de Atualização de Firmware OTA da Caneta de Leitura