Đối tượng độc giả: Bản kỹ thuật này được viết cho các quản lý sản phẩm phần cứng, kỹ sư âm thanh và nhà mua hàng OEM/ODM đang đánh giá liệu bút đọc SmartReadingPen có thể thu giọng trẻ em ở khoảng cách đối thoại (0,3–1,5 m) trong lớp học thực tế (55–75 dB SPL) mà không cần trẻ cầm bút sát miệng hay không.
Một cây bút đọc được cầm cách miệng 5 cm thì rất dễ thiết kế. Nhưng một cây bút đọc cỡ bút dạ, đặt nằm trên bàn, thu được lời thì thầm "dịch sang tiếng Tây Ban Nha" từ một đứa trẻ 9 tuổi ngồi cách 80 cm trong khi 28 bạn cùng lớp đang nói chuyện ồn ào xung quanh — đó mới là một bài toán âm thanh tầm xa. Dãy microphone, thuật toán beamforming và toàn bộ pipeline khử nhiễu phải thật chuẩn, nếu không cây bút sẽ thất bại ngay khoảnh khắc giáo viên ngừng cầm nó.
Đây là bản kỹ thuật về dãy 2 microphone MEMS của chúng tôi, pipeline beamforming và post-filter chạy trên DSP âm thanh, và quy trình kiểm thử SNR trong lớp học mà bạn nên chạy trước khi chấp nhận bất kỳ lô hàng wholesale reading pens nào.
1. Bài toán tầm xa qua các con số
Một đứa trẻ 6 tuổi nói với cường độ đối thoại tạo ra giọng nói 55 dB SPL ở khoảng cách 1 m. Khi cùng giọng nói đó đến được cây bút đặt nằm trên bàn, mức âm giảm 6 dB (định luật bình phương nghịch đảo ở trường gần) cộng thêm 4 dB do nhiễu xạ thân bút và che khuất mặt đất PCB, rơi vào khoảng 45 dB SPL tại màng MEMS.
Tiếng ồn lớp học xung quanh — 28 trẻ em ở 55 dB SPL mỗi em, cộng không đồng pha, cộng HVAC ở 50 dB SPL — tạo ra nền 62 dB SPL tại bút. Do đó tỉ số tín hiệu trên nhiễu tại màng microphone là −17 dB, thấp hơn ngưỡng nhiễu của bất kỳ bộ ASR màng đơn nào.
Giải pháp là pipeline dãy microphone + beamforming bổ sung tính chọn lọc không gian lên trên khử nhiễu phổ.
2. Hình học dãy 2 microphone MEMS
Dãy tham chiếu của chúng tôi sử dụng hai microphone MEMS Knowles SPH0645HT4H-1 gắn trên mặt trên của main PCB, cách nhau 24 mm dọc theo trục dài của thân bút. Cả hai microphone hướng về phía trước (xa tay người dùng). Hình học này được chọn để tối đa hóa khả năng phân biệt không gian trong mặt phẳng phương vị (trái/phải của đầu bút) đồng thời giữ dãy đủ nhỏ để vừa vỏ bút 142 mm.
| Tham số | Giá trị | Cơ sở kỹ thuật |
|---|---|---|
| Khoảng cách mic | 24 mm | λ/2 tại 7,2 kHz, triệt aliasing không gian cho dải thoại (300 Hz – 4 kHz) |
| Tần số lấy mẫu | 16 kHz | Nyquist tại 8 kHz bao phủ dải thoại |
| Độ sâu bit | 24-bit | Dải động 106 dB, headroom cho đỉnh 95 dB SPL |
| Mẫu cực (mỗi mic) | Đa hướng | Cho phép beamforming delay-and-sum mà không mơ hồ pha |
| Khớp độ nhạy | ±1 dB | Yêu cầu để định hướng null chính xác |
Hai mic được đồng bộ thời gian trong khoảng ±5 µs nhờ xung PDM chia sẻ. Sai lệch theo nhiệt độ được bù trong firmware mỗi 30 s.
3. Pipeline beamforming
Pipeline DSP chạy mỗi 10 ms trên khung âm thanh PDM stereo 16 ms:
- Lấy mẫu xuống PDM sang PCM 16 kHz
- Chặn DC (IIR high-pass 80 Hz, bậc 2)
- Bù trễ — áp dụng trễ định hướng sẵn 3 mẫu cho Mic A
- Beamformer delay-and-sum — Mic A bị trễ bởi
Δt = (d · cos θ) / c, cộng với Mic B, vớiθước lượng bằng phép tìm kiếm GCC-PHAT (Generalized Cross-Correlation with Phase Transform) trên bán cầu 0°–180° - Bộ lọc sau MVDR — Bộ lọc thích nghi Minimum Variance Distortionless Response, 32-tap, cập nhật mỗi 100 ms
- Cổng phổ RNNoise — bộ lọc sau bằng mạng nơ-ron, mô hình 220 kB, loại bỏ nhiễu dư giữa các âm vị
- AGC — xem TC-143
Toàn bộ pipeline bổ sung thêm 38 ms độ trễ đầu-cuối trên nền tảng Q8, nằm trong ngân sách 120 ms của ASR.
4. SNR đo được và Độ chính xác từ ASR
| Kịch bản | SPL môi trường | SPL giọng nói @ 1 m | SNR ở mic đơn | SNR sau beamform | WER (en-US) |
|---|---|---|---|---|---|
| Phòng ngủ yên tĩnh | 35 dB | 50 dB | +15 dB | +21 dB | 4,2% |
| Phòng khách có TV | 60 dB | 55 dB | −5 dB | +4 dB | 7,8% |
| Lớp học, 28 học sinh | 62 dB | 55 dB | −7 dB | +2 dB | 9,4% |
| Lớp học khi làm việc nhóm | 70 dB | 55 dB | −15 dB | −4 dB | 13,6% |
| Sân chơi ngoài trời | 68 dB | 60 dB | −8 dB | +1 dB | 11,2% |
Mức tăng điển hình +6 dB nhờ beamforming chính là khác biệt giữa một cây bút dùng được và một cây bút bị trả lại. Trong kịch bản "lớp học khi làm việc nhóm", WER ở mic đơn 24% giảm xuống còn 13,6% — vừa dưới ngưỡng 15% mà ở đó phân loại ý định NLU vẫn có thể phục hồi được.
5. Tại sao chọn 2 mic, không phải 4 hay 6?
Chúng tôi đã cân nhắc các dàn mic tuyến tính 4 mic và 6 mic. Đánh đổi như sau:
| Kích thước dàn | Độ lợi trên trục | Độ sâu null | Độ phân giải bên | Chi phí BOM | Chiều rộng PCB |
|---|---|---|---|---|---|
| 1 mic (baseline) | 0 dB | 0 dB | Không | $0.40 | 8 mm |
| 2 mic, 24 mm | +6 dB | −12 dB | 30° | $0.80 | 28 mm |
| 4 mic, 60 mm | +9 dB | −18 dB | 15° | $1.60 | 64 mm |
| 6 mic, 100 mm | +11 dB | −22 dB | 10° | $2.40 | 104 mm |
Tùy chọn 4 mic và 6 mic đòi hỏi vỏ bút dài hơn, phá vỡ kiểu dáng "như cây bút lông dạ" mà trẻ em đã quen thuộc. Sau ba nghiên cứu thiết kế công nghiệp với 240 trẻ em tại bảng người dùng R&D Thâm Quyến, chúng tôi đã chọn dải 2 mic là giải pháp cân bằng tốt nhất giữa hiệu năng âm thanh và kiểu dáng.
Mẹo cho người mua: Nếu nhà cung cấp quảng bá "beamforming chuyên nghiệp" trên bút chỉ có một mic, hãy yêu cầu số liệu WER dưới tiếng ồn môi trường 65 dB SPL. Bút một mic không có bộ lọc phổ hậu xử lý sẽ cho WER trên 20% trong lớp học thực tế và sẽ không vượt qua đợt thử nghiệm của bạn.
6. Bộ ước lượng hướng đến GCC-PHAT
The beamformer cần biết vị trí em bé đang ngồi. Thuật toán GCC-PHAT thực hiện tương quan chéo hai tín hiệu micrô sau khi làm trắng phổ, tạo ra một đỉnh sắc nét tại độ trễ tương ứng với thời gian trễ đến. Đỉnh này được chuyển đổi thành một góc:
θ = arccos((τ · c) / d)
trong đó τ là thời gian trễ, c là tốc độ âm thanh (343 m/s), và d là khoảng cách giữa hai micrô (0,024 m). Bộ ước lượng phân giải được các góc với độ chính xác ±5° trong bán cầu 0°–150° và cập nhật mỗi 100 ms. Khi em bé di chuyển quanh bàn, beamformer định hướng lại trong vòng 100 ms.
Trong một lớp học có 30 em, thuật toán phải phân biệt được em mục tiêu với 29 em đang nói khác. Bộ lọc hậu kỳ MVDR xử lý điều này bằng cách cực tiểu hóa tổng công suất đầu ra với ràng buộc độ lợi đơn vị theo hướng mục tiêu, từ đó tự động đặt các điểm triệt không gian lên trên các nguồn gây nhiễu lớn nhất.
7. RNNoise: 4 dB cuối cùng
Sau khi lọc không gian, nhiễu còn lại ở mức khoảng −4 dB SNR. Bộ lọc hậu kỳ mạng nơ-ron là một bản port 220 kB của mô hình RNNoise từ Xiph.org, được huấn luyện trên 60 giờ nhiễu trong lớp học và hộ gia đình. Nó hoạt động trong miền tần số, dự đoán mặt nạ độ lợi theo từng bin mỗi 10 ms.
| Giai đoạn RNNoise | SNR sau giai đoạn | WER (en-US) |
|---|---|---|
| Âm thanh sau beamforming | −4 dB | 13,6% |
| Sau RNNoise | +2 dB | 9,8% |
| Sau AGC + ASR front-end | +5 dB | 7.4% |
Toàn bộ pipeline kết hợp (beamform + RNNoise + AGC) đưa WER trong "lớp học khi làm việc nhóm" từ 24% (mic đơn) xuống còn 7.4%, nằm ở ranh giới có thể sử dụng trong lớp học nhưng vẫn chấp nhận được với các intent không quan trọng (dịch, tra cứu). Với các intent quan trọng (set_volume, set_voice, mã PIN của phụ huynh), chúng tôi yêu cầu một lời nhắc xác nhận.
8. Ngân sách điện năng và độ trễ
Pipeline beamforming chạy trên DSP âm thanh đồng thời với KWS từ khoá đánh thức, nhưng trên một đảo xử lý khác. Điện năng và độ trễ:
| Giai đoạn | Điện năng (mW) | Độ trễ (ms) |
|---|---|---|
| PDM capture + decimation | 0.6 | 2 |
| Ước lượng DoA GCC-PHAT | 0.4 | 4 |
| Beamformer delay-and-sum | 0.7 | 3 |
| Bộ lọc thích nghi MVDR | 1.2 | 5 |
| Suy luận RNNoise | 1.8 | 18 |
| AGC | 0.3 | 1 |
| Đầu ra tới ASR | n/a | 5 |
| Tổng | 5.0 mW | 38 ms |
Chi phí 5 mW là mức tăng thêm ngoài mức 2.4 mW của KWS luôn bật, tổng cộng 7.4 mW khi đang lắng nghe chủ động. Trên pin T2 (2.500 mAh), điều này vẫn cho thời gian chờ nghe lên tới 14 h.
9. Quy trình xác minh dành cho khách hàng OEM
Một bài kiểm tra nghiệm thu 5 bước cho khả năng thu âm xa trên một cây bút ứng viên:
- WER trong phòng yên tĩnh ở khoảng cách 1 m, âm thanh nền 50 dB SPL, 200 lần thử từ khoá đánh thức. Mục tiêu: tỷ lệ đánh thức ≥ 99%.
- Kiểm tra TV ở 3 m với tin tức TV liên tục ở 60 dB SPL, 100 lệnh thoại ở 1 m. Mục tiêu: ≤ 2 lần chấp nhận sai.
- Kiểm tra tiếng ồn hỗn loạn với tiếng ồn hỗn loạn 4 người nói ở 65 dB SPL, 100 lệnh ở 1 m. Mục tiêu: tỷ lệ lệnh thành công ≥ 90%.
- Kiểm tra thì thầm ở 0,5 m, giọng nói 40 dB SPL, 50 lệnh. Mục tiêu: tỷ lệ lệnh thành công ≥ 90%.
- Kiểm tra mục tiêu di chuyển với trẻ đi từ 0° đến 90° ở khoảng cách 1 m, 30 lệnh. Mục tiêu: tỷ lệ lệnh thành công ≥ 85%.
Đây là cùng 5 bài kiểm tra mà chúng tôi chạy nội bộ trên mỗi bản phát hành firmware.
10. Tuỳ chỉnh và lộ trình
Một triển khai cho cửa hàng quà tặng bảo tàng hoặc dịch vụ giải trí trẻ em trên máy bay có thể cần một thuỳ thu rộng hơn (trẻ em thường nằm lệch trục hầu hết thời gian). Chúng tôi cung cấp ba cấp tuỳ chỉnh:
| Cấp | Độ rộng thuỳ | Độ lợi | NRE | Thời gian giao hàng |
|---|---|---|---|---|
| Hẹp (mặc định) | 30° | +6 dB | $0 | 0 tuần |
| Rộng | 60° | +4 dB | $2,400 | 3 tuần |
| Đa hướng (chỉ bộ lọc hậu kỳ) | 180° | +2 dB | $4,800 | 5 tuần |
Lộ trình 2027 bổ sung tạo chùm tia bằng mạng nơ-ron — bộ Conv-TasFormer 2 lớp được huấn luyện trên 1,2 M đoạn âm thanh lớp học — mang lại mức tăng +8 dB trên dải mic 2 chiếc và đưa WER trong lớp học xuống dưới 6%. Đây là một phần trong chương trình rộng hơn của chúng tôi lộ trình tích hợp AI 2024-2026.
Bài Đọc Liên Quan
- Phát Hiện Từ Đánh Thức và Nghe Luôn Bật của Bút Đọc
- Micrô MEMS và Khử Tiếng Ồn của Bút Đọc
- AGC và Điều Khiển Khuếch Đại Tự Động của Bút Đọc
- Khử Tiếng Vọng và AEC của Bút Đọc
- Loại Bỏ Tiếng Ồn và RNNoise của Bút Đọc
- Trường Hợp Sử Dụng Bút Đọc — Mua Sắm của Học Khu Công Lập
11. Kỷ Luật Sản Xuất & Kiểm Thử Âm Học
Dải mic 2-MEMS, firmware tạo chùm tia GCC-PHAT, bộ lọc thích nghi MVDR và bộ lọc hậu kỳ RNNoise được tích hợp vào mọi thiết bị B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 và Y6 tại các dây chuyền sản xuất Longhua (Thâm Quyến) và Hậu Giác (Đông Quan) của chúng tôi, cả hai đều đạt chứng nhận ISO 9001 và ISO 14001. Các micrô Knowles SPH0645HT4H-1 được đặt với dung sai vị trí ±0,15 mm bằng dây chuyền pick-and-place Yamaha YSM20; độ khớp độ nhạy ±1 dB được kiểm tra trên từng thiết bị trong buồng âm học FCT so với chuẩn 94 dB SPL @ 1 kHz. Firmware tạo chùm tia đã được ký số và nạp tại cùng trạm; kiểm thử cuối dây chuyền phát một âm 1 kHz hiệu chuẩn từ góc phương vị −45° và xác nhận mức tăng trục +6 dB ± 0,8 dB cùng điểm triệt bên là −12 dB ± 1,5 dB. Công suất trung bình hằng ngày đạt 6.800 thiết bị hoàn thiện, cao điểm ca sản lượng 11.400 thiết bị trong tháng 9 năm 2025. Tỷ lệ đạt lần đầu là 98,6% ở mức AQL II (Critical 0, Major 1,0, Minor 2,5). Thời gian giao hàng sản xuất là 75 ngày tiêu chuẩn hoặc 45 ngày gấp (phụ phí 12%, MOQ ≥ 10.000). Thời gian giao mẫu là 7 ngày kể từ khi request-a-quote.
12. Phạm Vi Chứng Nhận
Mỗi bút có trang bị tạo chùm tia được giao kèm bộ chứng nhận phù hợp với thị trường đích: CE (RED/EMC/LVD), FCC Part 15, UKCA, EN 71-1/2/3, ASTM F963, CPSIA/CPC, RoHS, REACH, PSE (Nhật Bản), KC (Hàn Quốc), GCC/SFDA (Ả Rập Xê-út), SNI (Indonesia), NOM (Mexico), INMETRO (Brazil), RCM (Úc/New Zealand), NRCS LOA (Nam Phi), và ESMA/TIS (UAE/Thái Lan). Vận chuyển pin sử dụng UN38.3 + IEC 62133 + MSDS. Tuân thủ quyền riêng tư được lập hồ sơ cho GDPR, COPPA, PIPL, LGPD, Thailand PDPA, và California Prop 65. Pipeline thu âm tầm xa không lưu giữ âm thanh thô ngoài vòng đệm beamforming 10 ms, đây là lập luận tuân thủ mạnh nhất cho mua sắm của khu học chánh đòi hỏi bằng chứng giảm thiểu dữ liệu COPPA và GDPR-K có thể xác minh. Các khu vực tài phán mới ngoài mức cơ sở 47 quốc gia được báo giá 1.800 USD mỗi khu vực cho một hồ sơ mới với thời gian thực hiện 15 ngày làm việcthời gian quay vòng.
13. Định giá OEM & Đánh đổi SKU
Beamforming tầm xa được bao gồm trong gói firmware tiêu chuẩn ở giá gốc 3,80–14,50 USD mỗi đơn vị trên 11 SKU. Bậc giá: P2 (500 mAh, NAND 4 MB) ở phân khúc đầu vào, B1/B2/F8/K7/KF1 tầm trung ở 5,40–8,60 USD, L5/P2/Q6 tầm trung ở 7,20–10,40 USD, và Q8/T2/Y6 cao cấp ở 11,80–14,50 USD. Chi phí BOM mảng 2 mic là 0,80 USD mỗi bút(0,40 USD × 2 mic) ở MOQ 10K; nâng cấp lên 4 mic cho các chương trình OEM cao cấp có giá 1,60 USD mỗi bútvà yêu cầu chiều rộng PCB 64 mm (phá vỡ kiểu dáng bút đánh dấu). Các mẫu thu sóng tùy chỉnh được báo giá như sau: hẹp (30°) bao gồm mặc định, rộng (60°) ở với thời gian thực hiện 3 tuần, đa hướng (180°) ở với thời gian giao hàng 3 tuần, đa hướng (180°) ở với thời gian thực hiện 5 tuần. Bậc MOQ: 500 đơn vị cho kho trung tính, 1.000 cho màu tùy chỉnh, 3.000 cho logo in lụa tùy chỉnh, 5.000 cho nhãn riêng đầy đủ với bao bì bán lẻ. Điều khoản thanh toán là T/T 30/70, L/C trả ngay, OA cho khách mua lại, PayPal cho đơn hàng mẫu. Để bắt đầu chương trình thu âm tầm xa OEM/ODM, gửi hỗn hợp SKU mục tiêu, ba khu vực đích hàng đầu và lựa chọn kiểm thử chấp nhận (mặc định, rộng hoặc đa hướng) của bạn đến với thời gian giao hàng 5 tuần. Các bậc MOQ: 500 đơn vị cho kho màu trung tính, 1.000 cho màu tùy chỉnh, 3.000 cho logo in lụa tùy chỉnh, 5.000 cho nhãn riêng đầy đủ kèm bao bì bán lẻ. Điều khoản thanh toán là T/T 30/70, L/C trả ngay, OA cho khách hàng mua lặp lại, PayPal cho đơn hàng mẫu. Để bắt đầu chương trình OEM/ODM thu âm tầm xa, vui lòng gửi hỗn hợp SKU mục tiêu, ba khu vực đích đến hàng đầu của bạn và tùy chọn kiểm tra chấp nhận (mặc định, rộng hoặc đa hướng) đến request-a-quote; đội ngũ kỹ thuật của chúng tôi trả về gói firmware đã định cỡ, bậc đơn giá và chỉ mục hồ sơ tuân thủ trong vòng một ngày làm việc.
14. Chỉ số Xác nhận Nội bộ Từ 47.000+ Đơn vị
Sau hơn 47.000 đơn vị triển khai trên 47 quốc gia kể từ 2023, pipeline beamforming đã ghi nhận 28,6 triệu khung âm thanh đã beamforming ở độ trễ P95 trên nền tảng Q8. Kịch bản bất lợi phổ biến nhất ngoài thực địa là "lớp học trong giờ làm việc nhóm" và 70 dB SPL (ghi nhận trong 41,2% phiếu hỗ trợ khách hàng), tiếp theo là "kiểm thử TV ở 3 m" (24,6%), "tiếng ồn huyên sắc the thé ở 65 dB SPL" (18,4%), và "sân chơi ngoài trời" (15,8%). Bộ định dạng beam phục hồi dưới 10% WER trong 92,4% kịch bản làm việc nhóm sau bộ lọc sau RNNoise. Bản đồ phiên bản firmware là mức cơ sở 86 bản phát hành tiêu chuẩn: B1/B2 2.4.7, F8 3.1.2, K7/KF1 1.9.5, L5 4.2.0, P2 2.0.3, Q6/Q8 3.3.1, T2/Y6 2.6.4. Misfire cổng âm học (chấp nhận sai do âm thanh TV dưới cổng quang phổ) đã giảm từ trên nền tảng Q8. Kịch bản bất lợi phổ biến nhất ngoài thực tế là "lớp học trong giờ làm việc nhóm" ở 70 dB SPL (được ghi nhận trong 41,2% các phiếu hỗ trợ khách hàng), tiếp theo là "kiểm tra TV ở khoảng cách 3 m" (24,6%), "tiếng ồn hỗn loạn ở 65 dB SPL" (18,4%) và "sân chơi ngoài trời" (15,8%). Bộ tạo chùm tia phục hồi xuống dưới 10% WER trong 92,4% các kịch bản làm việc nhóm sau khi lọc hậu kỳ RNNoise. Bản đồ phiên bản firmware là đường cơ sở phát hành 86 tiêu chuẩn: B1/B2 2.4.7, F8 3.1.2, K7/KF1 1.9.5, L5 4.2.0, P2 2.0.3, Q6/Q8 3.3.1, T2/Y6 2.6.4. Các lần kích hoạt sai cổng âm học (chấp nhận nhầm do âm thanh TV dưới cổng phổ) đã giảm từ 1,4% xuống 0,4% sau bản cập nhật firmware v3.1.2 trên các nền tảng F8.
15. Tóm tắt dành cho người mua kỹ thuật
Năm nguyên tắc chỉ đạo khi mua sắm module thu âm tầm xa OEM/ODM:
- Luôn chạy quy trình nghiệm thu 5 bước ở §9 trước khi ký đơn hàng tổng (master PO). Dữ liệu thử nghiệm thực tế có giá trị hơn mọi bảng benchmark vì nó phản ánh đúng mức nhiễu nền và phân bố giọng trẻ em thực tế của bạn.
- Chỉ rõ độ rộng búp sóng tại thời điểm khóa firmware. Hẹp (30°) cho lớp học cố định tại bàn; rộng (60°) cho bán lẻ/du lịch; đa hướng (180°) chỉ dùng cho triển khai tại bảo tàng/hàng không, nơi thu ngoài trục chiếm ưu thế.
- Dự trù 3 tuần cho biến thể búp sóng rộng và 5 tuần cho biến thể đa hướng. Khâu tái huấn luyện bộ lọc hậu xử lý MVDR là mắt xích chiếm nhiều thời gian nhất.
- Lên kế hoạch cho một nhóm canary OTA chiếm 5% khi triển khai bộ tạo búp sóng neural 2027 (Conv-TasFormer). Canary giúp phát hiện hồi quy tại các lớp học biên trước khi lan ra toàn bộ hệ thống.
- Luôn kết hợp khả năng thu âm tầm xa với pipeline AGC — nếu không có AGC, mức tăng +6 dB từ beamforming có thể gây clip cho front-end ASR ở mức âm lượng hội thoại.