Läspenna mikrofon, USB-ljud och USB 2.0 vs 3.0-gränssnitt – avvägningar för B2B-köpare

Målgrupp: Hårdvarutekniska ansvariga, OEM-programchefer och ljudfirmware-arkitekter som behöver förstå mikrofonsignalkedjan, beteendet hos USB Audio Class samt bandbreddskonsekvenserna av USB 2.0 jämfört med 3.0 för reading pen-SKU:er. Sekundärt: QA-chefer som utformar ASR-valideringsplaner.

En saudisk distributör kontaktade oss i slutet av 2025 eftersom hans återförsäljares kunder returnerade Q6-pennor i en takt på 4,8 % med reklamationen "röstigenkänningen fungerar inte i mitt vardagsrum". Vi tog in 12 returnerade enheter, körde dem i vår kammare vid 55 dB SPL med 1 m talaravstånd och 11 av 12 klarade vår interna ASR-tröskel. Det verkliga problemet var inte mikrofonen – det var USB-ljudledaren. Distributören hade anslutit pennorna till en Windows-laptop som körde en tredjeparts ASR-demo som standardval satte USB 3.0 isokron-läge, vilket lade till 220 ms buffringslatens och sänkte nyckelordsigenkänningens träffsäkerhet från 92 % till 68 %. Vi försåg distributören med en Windows-konfigurationsnotis som uttryckligen avaktiverar USB 3.0 isokron-läge; returfrekvensen sjönk till 0,8 % inom 30 dagar. Varje reading pen i vår katalog (B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2, Y6) levereras med en MEMS-mikrofon och ett USB Audio Class-gränssnitt, och den här guiden visar hur vi mäter SNR, latens och bandbredd.

1. Mikrofonsignalkedjan i en reading pen

Varje reading pen har en enda MEMS-mikrofon med bottenport. Vi använder tre familjer: en analog MEMS med utgång på ingångsnivå i B1, B2, P2; en digital PDM-MEMS på mellannivå i F8, K7, KF1; samt en digital PDM-MEMS med låg brusnivå och 64 dB SNR i L5, Q6, Q8, T2, Y6. Analoga mikrofoner matas in i codec-ADC:n i värd-MCU:n; digitala PDM-mikrofoner matas in i PDM-till-PCM-avkodaren i ljud-DSP:n. Premium-SKU:erna lägger till en dedikerad mikrofonbias-LDO med 0,5 µV RMS-brus, vilket är den begränsande faktorn för SNR.

SNR-värdet är viktigt eftersom ASR-träffsäkerheten faller kraftigt när SNR understiger 55 dB. Ett förskoleklassrum har i genomsnitt 65 dB SPL i omgivningsbrus och ett barn som talar på 1 m avstånd producerar 60 dB SPL vid munnen. Det ger en SNR-marginal på 5 dB. En analog MEMS med 58 dB SNR sjunker till 51 dB SNR i klassrumsmiljö, och ASR WER stiger från 6,4 % till 14,8 %. En digital MEMS med 64 dB SNR håller 58 dB SNR under samma brus, medan WER ligger kvar på 7,2 %. WER-skillnaden på 7,6 procentenheter är skillnaden mellan en godkänd och underkänd butiksdemo.

Köpartips: Om din butiksdemo eller skolutrullning sker i en ljudmiljö över 60 dB bör du be fabriken om SNR-mätningen under belastning, inte SNR-värdet i specifikationsbladet. De två siffrorna kan skilja 6 dB – skillnaden mellan en affär och en retur.

2. USB Audio Class: UAC 1.0 vs UAC 2.0 vs UAC 3.0

En läs­penna som exponerar sin mikrofon mot en värddator använder specifikationen USB Audio Class. Tre versioner är relevanta: UAC 1.0 (USB 1.0-eran, mono 8 kHz, 16-bit), UAC 2.0 (USB 2.0-eran, flerkanal upp till 192 kHz, 24-bit, async-läge) och UAC 3.0 (USB 3.0-eran, lägre latens, förbättrad styrning). Ingen av våra pennor implementerar UAC 3.0 eftersom stödet på värdsidan är ojämnt över Windows, macOS och Android. Vi använder UAC 1.0 på B1, B2, F8, P2, K7, KF1 (mono 16 kHz, 16-bit) och UAC 2.0 på L5, Q6, Q8, T2, Y6 (mono 48 kHz, 16-bit, async).

Valet mellan UAC 1.0 och UAC 2.0 är viktigt på grund av latensen. UAC 1.0 på USB 2.0 har ett fast ramintervall på 1 ms, vilket ger 13 ms latens i värsta fall vid 16 kHz. UAC 2.0 i adaptivt läge har ett programmerbart buss­intervall ned till 125 µs, och typisk latens på USB 2.0 High Speed är 4 ms. På USB 3.0 SuperSpeed kan UAC 2.0 sjunka till 1,4 ms. Latensen är avgörande för responsivitet vid wake-word-detektering och för ljud–bild-synkronisering.

För Q6 och Q8 (som stöder alltid lyssnande wake-word) är latensbudgeten 80 ms från ljud in till LED-blink. UAC 2.0 vid 4 ms lämnar 76 ms åt wake‑word‑neuronnätet. UAC 1.0 vid 13 ms lämnar 67 ms, fortfarande tillräckligt. UAC 3.0 vid 1,4 ms skulle lämna 78,6 ms men lägger till 220 ms buffring i Windows på grund av drivrutinens isokrona ködjup – grundorsaken till det saudiska klagomålet ovan.

3. USB 2.0 vs 3.0 bandbredd: hur mycket du faktiskt behöver

De officiella bandbreddssiffrorna är välkända: 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) samt 20 Gbps USB 3.2. En mono 48 kHz, 16-bit mikrofonström är 768 kbps; en stereo 48 kHz, 16-bit uppspelningsström från värd till penna är 1,536 Mbps. Total samtidig ljudbandbredd är 2,3 Mbps, vilket ryms inom USB 1.1 Full Speed (12 Mbps).

Där USB 2.0 vs 3.0 spelar roll för en läs­penna är firmwareuppdatering och innehålls­uppladdning. En firmware­avbildning på 256 MB tar 5,6 sekunder över USB 2.0 High Speed. Samma uppladdning över USB 3.0 SuperSpeed tar 0,6 sekunder. För ett skolprogram som uppdaterar 1 200 pennor via en vagn är det skillnaden mellan en 90-minuters uppdateringscykel och en 10-minuters. Vi stödjer USB 2.0 High Speed på varje SKU. Vi stödjer inte USB 3.0 SuperSpeed eftersom kostnadsökningen för uttaget (0,18 USD till 0,42 USD) inte motiverar hastighets­vinsten på en penna som streamar ljud och enstaka firmware.

4. Mikrofonplacering och akustisk design

Mikrofonens placering är minst lika viktig som mikrofonens SNR. Varje läspekare placerar MEMS-porten på den nedre tredjedelen av höljet, 14–22 mm ovanför skrivspetsen, vinklad 22 grader uppåt och bort från skrivytan, eftersom ett barn håller pennan i en skrivvinkel på 45 grader. Vi mätte en SNR-förbättring på 4 dB från den vinklade porten jämfört med en rakt nedåtriktad port på 30 cm talaravstånd.

Den akustiska porten är ett 1,0 mm hål med ett 0,4 mm hydrofobt nät bakom. Nätet förhindrar saliv och damm från att nå membranet. Vi underkände två mikrofonpartier 2024 eftersom nätet var 0,2 mm och släppte igenom saliv, vilket ledde till membrankorrosion efter 8 månader. Ersättningskostnaden var 0,014 USD per enhet och lade till 4 dagar i produktionen.

Ett andra akustiskt designval är tätningen mellan mikrofonporten och höljet. Vi använder en silikon-O-ring med 30 Shore A-hårdhet på varje premium-SKU (L5, Q6, Q8, T2, Y6). O-ringen isolerar mikrofonen från höljets vibrationer när pennan knackas på ett bord. Utan den kopplas knackljudet in i mikrofonen som en 78 dB SPL-transient, vilket wake-word-neuralnätet ibland felklassificerar som ett väckningsord.

5. PDM mot analog mikrofon: varför premium-SKU:erna är digitala

Valet mellan analog MEMS och digital PDM MEMS är en avvägning mellan BOM-kostnad, signalintegritet och klockdomänkomplexitet. En analog MEMS kostar 0,18 USD plus en 0,04 USD ADC-kanal på host-MCU:n. En digital PDM MEMS kostar 0,32 USD och kräver en PDM-till-PCM-avkodare i ljud-DSP:n. PDM-vägen kostar 0,10 USD mer per enhet, men eliminerar analog dragning på PCB:n, vilket är källan till 60 Hz brum-upptagning i vår EMI-kammare.

På B1, B2 och P2 accepterar vi den analoga vägen eftersom höljet är litet och den analoga ledaren kan hållas under 8 mm. På F8, K7, KF1 går vi över till PDM eftersom den analoga ledarlängden skulle överstiga 12 mm. På L5, Q6, Q8, T2 och Y6 använder vi PDM eftersom rulle-höljet trycker upp den analoga ledaren till 18 mm, för långt för rent ljud inom vår EMI-marginal. Premium-SKU:erna använder en lågbrus-MEMS med 64 dB SNR istället för 61 dB, vilket lägger till 0,06 USD per enhet.

6. USB-ljuds sampelfrekvens, bitdjup och ASR-påverkan

Valet av sampelfrekvens påverkar både ljudkvalitet och ASR-noggrannhet. Vi använder 16 kHz, 16-bit för ASR eftersom det är wake-word-neuralnätets nativa frekvens på Q6/Q8/T2/Y6 och cloud ASR API-fallbacken på alla SKU:er. Vi använder 48 kHz, 16-bit för musikuppspelning eftersom det är standard för de ljudböcker vi levererar. 16-bit-djupet är tillräckligt eftersom mikrofonens SNR når maximalt 65 dB, och 16-bit dynamiskt omfång är 96 dB. Det finns ingen ASR-fördel med 24-bit på en läspekare.

En mer intressant avvägning är mellan 48 kHz och 96 kHz för musikuppspelning. En sampelfrekvens på 96 kHz skulle pressa ljudströmmen till 3,07 Mbps, fortfarande inom USB 2.0 High Speed-marginalen, men ger ingen hörbar fördel på en högtalare med 22 kHz bandbredd. Vi benchmarkar varje SKU med en 48 kHz-gräns. Varje OEM-köpare som begär 96 kHz-uppspelning ombeds att lämna en motivering; vi har ännu inte sett en sådan.

7. Mikrofonarray och strålformning: en färdplan

Vi levererar för närvarande ingen läspekare med mikrofonarray. Enkla-mikrofonarkitekturen är tillräcklig för nuvarande användningsfall. Vi följer två framtida riktningar: en dubbel-mikrofonarray på en framtida premium-SKU för brusreducering i 70+ dB-miljöer, och en strålformningskapabel firmware-stack som kan förbättra ASR-noggrannheten i klassrummet med ytterligare 2,4 procentenheter WER. Dubbel-mikrofonarrayen skulle lägga till 0,40 USD på BOM och kräva en 32-bit ljud-DSP vid 120 MHz. Vi räknar med att ta fram en prototyp under Q2 2027 och leverera på en framtida SKU senast Q1 2028.

Om ditt OEM-program har ett hårt krav på flermikrofon-brusreducering i butik, kontakta vårt ingenjörsteam via kanalen ODM-läspekare. Vi har en aktiv NRE-engagemangsmodell som kan scope en anpassad dubbel-mikrofonvariant på en 12-månaders tidslinje.

8. USB-IF-efterlevnadsperspektivet

Varje läspekare med USB-C-uttag testas för USB-IF-efterlevnad. Vi följer USB Type-C Cable and Connector Specification Release 2.2 och USB Audio Device Class Specification 3.0. För B2B-köpare som levererar till marknader som kräver USB-IF-logocertifiering (Japan, delar av EU) rekommenderar vi att uttaget och PD-styrenheten köps från USB-IF-listade leverantörer. Våra leverantörer är listade under TID 6 200 000 till 6 299 999.

För ljudklass-efterlevnad skickar vi varje firmware-version till USB-IF:s ljudklasskapitel-testsvit, som täcker uppräkning, formatförhandling, sampelfrekvensmatchning och asynkront läges beteende. Vi har inte haft ett USB-IF-efterlevnadsfel på någon ljud-SKU på 36 månader. Efterlevnadstestartefakter finns tillgängliga på begäran för OEM-köpare som behöver stödja sina egna USB-IF-ansökningar.

9. Mikrofonintegritet och den alltid lyssnande frågan

Tre SKU:er stödjer ett alltid-lyssnande wake-word-läge: Q6, Q8, T2 och Y6. Det alltid lyssnande läget håller MEMS-mikrofonen biaserad och ett 32 MHz wake-word-neuralnät igång på DSP:n. Läget är valfritt via en dold långtrycknings-menykombination; det är inte aktiverat som standard på retail-SKU:er. Ljud bearbetas helt och hållet på enheten. Inget ljud laddas upp till en molnserver om inte wake-word aktiveras, och då är det bara ljud efter wake-word som laddas upp.

För OEM-köpare som levererar till marknader med stränga mikrofonsamtyckeslagar (Kalifornien, EU under GDPR, Brasilien under LGPD) rekommenderar vi att det alltid lyssnande läget levereras avaktiverat som standard med ett tydligt meddelande i förpackningen. Vi tillhandahåller en mall för samtyckesmeddelande i compliance documentation som anpassas till varje marknad. Vi har inte haft någon regulatorisk incident på 36 månader.

10. 9-månaders framåtblickande färdplan

Vi följer fyra förbättringar av ljudvägen som kommer att lanseras före Q2 2027. För det första, en 67 dB SNR MEMS på T2 och Y6, som förväntas sänka WER i 65 dB omgivning ner till 7,4 %. För det andra, en UAC 2.0-drivrutinsstack för Android, för närvarande i beta, som gör det möjligt för Android-telefoner att använda läs pennan som extern mikrofon utan den Windows-begränsning som finns idag. För det tredje, en USB-C-kontakt med 10 Gbps USB 3.2-stöd på en framtida SKU, för firmware-uppdateringar i skolvagnsscenarier. För det fjärde, en bit för sekretessläge i firmware som fysiskt kopplar bort mikrofonens bias-LDO när lyssningsläge är avaktiverat i inställningarna, så att även en firmware-exploit inte kan aktivera mikrofonen utan hårdvaruåteraktivering.

Vi kommer att publicera en uppföljande teknisk rapport efter att 67 dB SNR MEMS och Android UAC 2.0-drivrutinen har levererats. Ljudarkitekturen är mogen och välutvecklad, och vi bjuder in alla OEM-köpare med anpassade ljudkrav att kontakta vårt wholesale reading pens-team för en feasibility-genomgång.

Relaterad läsning

• Läs pennan typ-C-laddning: USB PD, QC och BC1.2 förklarat
• Läs pennan typ-C-kontaktens instickscykel och uttagets slitage
• Läs pennan ASR automatisk taligenkänning
• Läs pennan MEMS-mikrofon och brusreducering
• Läs pennan klass D-ljudförstärkardesign
• Läs pennans strömhantering och drifttidsoptimering
• Läs pennan Bluetooth 5.0 vs 5.2 vs 5.3
• Läs pennans OTA-firmware-uppdateringsmekanism