Cena próbki, a nie cena hurtowa.
Poproś o próbkę86 × 54 × 3.2 mm, 30 g, 20-24 h nagrywania. Otwarty protokół Bluetooth, w zestawie kod referencyjny.
Przekazujemy pełny protokół Bluetooth wraz z zestawem kodu referencyjnego. Warstwę transkrypcji, przechowywania i wyszukiwania piszą Państwo tak, jak wymaga tego Państwa biznes, i przesyłają nagrania prosto do własnej bazy wiedzy. Naszym zadaniem jest wiernie zarejestrować dźwięk.
Urządzenie ma tylko start i stop, nic więcej. Dźwięk wraca przez Bluetooth; sposób transkrypcji, miejsce przechowywania i baza wiedzy, do której trafia, zależą od Państwa kodu.
Nagrania przechodzą z karty na telefon przez Bluetooth LE z prędkością około 30 KB/s, więc godzinne nagranie dociera w około 4 minuty. Nasza referencyjna aplikacja na Androida pokazuje każdy krok działający na prawdziwym sprzęcie, dzięki czemu Państwa zespół zaczyna od działającego kodu, a nie od dokumentu protokołu.
2 minuty na prawdziwym telefonie: połączenie, pobieranie z prędkością na żywo, wznowienie po zerwaniu, zamiana mowy na tekst, odtwarzanie i usuwanie.
To samo demo w formacie telefonu.
Zmierzone na telefonie z Androidem 9 z próbką CB08, firmware V1.0.0. Prędkość na Państwa telefonie i z Państwa firmware będzie się różnić.
Pełny kod źródłowy Androida (czysty Java, bez bibliotek zewnętrznych) i dokument protokołu BLE są dołączane do zamówień próbek.
Dokument protokołu i kod źródłowy Androida są dołączane do zamówienia próbki. ODM, biała etykieta i wdrożenie on-premise wyceniamy osobno.
Usługa główna GATT 0xAE20, zapis na 0xAE21, powiadomienia na 0xAE22. Zestaw poleceń, transfer plików i autotest znajdują się w dokumencie protokołu dołączanym do zamówienia próbki.
Upload, ingest, fetch, ask: cztery punkty końcowe i gotowe. Albo tylko sprzęt i protokół, a transkrypcję kierują Państwo do własnego ASR.
Warstwa odbioru i transkrypcji może działać w całości w Państwa własnej serwerowni, więc dźwięk nigdy nie opuszcza Państwa sieci. Spotkania, konsultacje i nauczanie zwykle tego wymagają.
Wszystko poniżej zostało zmierzone na egzemplarzach, które wysłaliśmy, a nie przepisane z karty katalogowej dostawcy. Tam, gdzie nasze pomiary różnią się od dokumentacji producenta układu, mówimy o tym i podajemy wartość, którą faktycznie zaobserwowaliśmy. Państwa inżynierowie mogą sprawdzić każdą linię na prawdziwym urządzeniu, gdy próbka trafi w ich ręce.
Jedna usługa główna, jedna charakterystyka zapisu, dwie charakterystyki powiadomień. Odpowiedzi, dźwięk i dane plików dzielą 0xAE22; zdarzenia klawiszy i stanu nagrywania są wydzielone na 0xAE23, dzięki czemu oba strumienie nie mogą uszkodzić nawzajem swoich niepełnych ramek.
| UUID | Właściwość | Zastosowanie |
|---|---|---|
| 0xAE20 | Primary Service | Usługa główna |
| 0xAE21 | WRITE_WITHOUT_RESPONSE | Aplikacja → urządzenie |
| 0xAE22 | NOTIFY | Odpowiedzi, dźwięk, lista plików, dane plików |
| 0xAE23 | NOTIFY | Zdarzenia klawiszy, stan nagrywania |
Polecenia to pary TYPE-CMD. Pełna tabela, w tym strumieniowanie w czasie rzeczywistym i pobieranie segmentowe, znajduje się w dokumencie protokołu dołączanym do zamówienia próbki; poniżej te, których integracja potrzebuje najpierw.
| TYPE-CMD | Nazwa | Parametry / odpowiedź |
|---|---|---|
| 0-0 | Synchronizacja czasu | rok 2B LE + miesiąc/dzień/godzina/min/s, po 1B |
| 0-1 / 0-2 | Pobranie / odpowiedź pamięci | remain 4B LE + total 4B LE. Jednostka to 1 KB, a nie bloki 8 KB, jak podaje dokumentacja producenta |
| 0-3 / 0-4 | Pobranie / odpowiedź baterii | 1B, 0–100; 110 oznacza ładowanie |
| 0-10 / 0-11 | Pobranie / odpowiedź firmware | 6B ASCII, np. V1.0.0 |
| 2-0 / 2-1 | Pobranie / odpowiedź listy plików | count 4B BE + N×28B wpisów; może obejmować kilka powiadomień |
| 2-2 | Żądanie pobrania | offset 4B LE + nazwa pliku 24B — musi być jednym zapisem GATT o długości 36 bajtów |
| 2-3 / 2-4 / 2-5 | Początek / dane / koniec | kod końca 0=ok, 1=nie znaleziono, 2=offset za duży, 3=inne |
| 2-8 / 2-13 | Usunięcie jednego / potwierdzenie | to samo adresowanie co 2-2, rozszerzenie przywrócone. Potwierdzenie 1B, 0=ok |
| 1-0 / 1-1 / 1-2 | Start czasu rzeczywistego / dźwięk / stop | urządzenie wysyła nazwę pliku, a potem pakiety OPUS o stałej długości 40 bajtów |
Sześć rzeczy, których znalezienie kosztowało nas realny czas. Publikujemy je, ponieważ integrator, który natrafi na nie bez ostrzeżenia, uzna, że sprzęt jest zepsuty.
Urządzenie przechowuje wewnętrznie OPUS o przepływności około 16 kbps. Zażądanie pliku .wav powoduje jedynie zdekodowanie tego i tak stratnego dźwięku do PCM 256 kbps — bez zysku jakości, ok. 16× więcej bajtów. W referencyjnej aplikacji na Androida godzinne nagranie (ok. 7.2 MB jako OPUS) dociera na telefon w około 4 minuty, zmierzone przy 30.7 KB/s.
Zarówno strumień w czasie rzeczywistym, jak i pliki pobierane z urządzenia to pakiety OPUS o stałej długości 40 bajtów, bez kontenera. Przed zapisem trzeba je opakować w Ogg. CRC-32 w Ogg jest nieodbite i bez końcowego XOR — to nie jest CRC z zlib. Jeśli się pomylić, powstaje plik, który wygląda jak Ogg, a każdy odtwarzacz po cichu go odrzuca. Wektor testowy: oggCrc("123456789") == 0x89A1897F.
Żądanie pobrania 2-2 ma 36 bajtów i musi zostać wysłane jednym zapisem GATT. W Androidzie jeden zapis to MTU−3, a domyślne MTU równe 23 pozwala tylko na 20 bajtów — nazwa pliku zostaje obcięta, a urządzenie odpowiada „file not found”. Należy wymagać, aby requestMtu(≥39) zakończyło się powodzeniem, a w razie niepowodzenia zgłaszało głośny błąd; zapasowy wariant „best effort” daje tylko mylący komunikat błędu.
Dokumentacja producenta podaje, że 0-2 zwraca bloki 8 KB. W rzeczywistości zwraca jednostki 1 KB. Potraktowanie ich jako 8 KB zawyża pojemność ośmiokrotnie; potraktowanie jako bajtów zaniża ją 1024 razy. Żadne z tych nie zgłasza błędu — po prostu wyświetla się absurdalna liczba. Zweryfikowana jednostka zgłasza 28.8 z 29.1 GB użytecznych.
Czterobajtowe pole w każdym 28-bajtowym wpisie listy to czas trwania, a nie czas. Jedynym źródłem czasu jest sama nazwa pliku — note20260830-014512 lub call20260830-014512. Należy ją sparsować, posortować od najnowszej i na podstawie prefiksu odróżnić nagrania otoczenia od rozmów.
Apple blokuje go w każdej przeglądarce na iOS, w tym w Chrome, ponieważ Chrome na iOS opiera się na WebKit. To ograniczenie systemu operacyjnego bez obejścia. Aplikacja na iPhone’a musi korzystać z natywnego CoreBluetooth.
Mikrofon przewodnictwa kostnego jest powszechnie źle rozumiany, także przez osoby, które miały urządzenie w rękach. Nie rejestruje czaszki użytkownika. Przylega do tylnej ścianki telefonu i rejestruje drgania słuchawki, ponieważ mikrofon powietrzny nie słyszy drugiej strony rozmowy, która nie jest na głośniku.
Konsekwencja jest najbardziej użyteczną cechą tego sprzętu. W trybie rozmowy mikrofon powietrzny jest w praktyce bliskim rozmówcą, a mikrofon drgań — zdalną stroną; oba głosy są rozdzielone fizycznie, zanim uruchomi się jakiekolwiek oprogramowanie. Wystarczy transkrybować każdy kanał i przypisać fragmenty według różnicy energii, a uzyskuje się niemal doskonałe przypisanie bez żadnego modelu odcisku głosu. Nagrania mono wracają do parametru silnika diarization_enabled, który dotyczy tylko mono i zgaduje na podstawie cech głosu.
Osiem punktów końcowych. Albo tylko sprzęt i protokół, transkrypcję kierują Państwo do własnego ASR i nigdy nie wywołują nas w czasie działania.
| Punkt końcowy | Cel |
|---|---|
| POST /rec/v1/upload | Wgranie pliku audio |
| POST /rec/v1/ingest | Przesłanie do transkrypcji |
| GET /rec/v1/item/{id} | Transkrypcja, podsumowanie, zadania do wykonania |
| POST /rec/v1/ask | Zadanie pytania o nagranie |
| GET /rec/v1/list | Lista nagrań |
| POST /rec/v1/item/{id}/speakers | Zmiana nazw rozmówców — tylko ponowne renderowanie, bez ponownej transkrypcji, bez dodatkowej opłaty |
| POST /rec/v1/retranscribe/{id} | Ponowne uruchomienie z innym silnikiem ASR |
| POST /rec/t/{key}/search | Punkt końcowy wtyczki asystenta głosowego; zawsze zwraca HTTP 200 z jednym zdaniem do wypowiedzenia |
Warstwa odbioru i transkrypcji działa w całości wewnątrz Państwa sieci, bez wychodzenia dźwięku poza nią. Nie jest wymagająca — to małe urządzenie bez wentylatora, a nie serwer GPU.
| Pozycja | Wymaganie |
|---|---|
| CPU | Intel N97 / N100 / N150. Różnice do 10%; nie warto się nad tym zastanawiać |
| RAM | 8 GB. Zmierzony szczyt 797 MB — 16 GB to marnotrawstwo |
| Dysk | 268 MB modeli plus dane klienta |
| Przepustowość | Około 4× czasu rzeczywistego — 27 sekund dźwięku transkrybowane w 6.5 sekundy |
Wszystkie komponenty są dopuszczone do komercyjnej redystrybucji. GeoNames wymaga podania źródła w stopce; pozostałe nie.
| Komponent | Licencja |
|---|---|
| sherpa-onnx (ASR), RapidOCR | Apache-2.0 |
| cndoc, anydoc, pdf-inspector, pdfplumber | MIT |
| pypdfium2 | BSD-3 |
| Baza miejsc GeoNames | CC BY 4.0 — wymagane podanie źródła w stopce |
Nie. Dokument protokołu Bluetooth i kod źródłowy referencyjnej aplikacji na Androida są dołączane do zamówienia próbki. Transkrypcję można skierować do własnego ASR, usługi zewnętrznej lub instancji on-premise i nigdy nie wywoływać naszych serwerów w czasie działania.
Tak. Warstwa odbioru i transkrypcji działa na Państwa własnym serwerze, a żadne nagranie nie przechodzi przez nas. Urządzenie z Intel N97 lub N100 i 8 GB RAM transkrybuje w tempie około 4× czasu rzeczywistego, co wystarcza do spotkań, konsultacji i zajęć.
W trybie rozmowy tak, i to bez modelu odcisku głosu — mikrofon powietrzny i mikrofon przewodnictwa kostnego fizycznie rejestrują obie strony na osobnych kanałach. Nagrania otoczenia w mono wracają do algorytmicznej diaryzacji, która jest mniej niezawodna.
Typowo 1,000 sztuk. Niższe jest do negocjacji na istniejącym oprzyrządowaniu z naszym opakowaniem. Najszybszy czas realizacji próbki z magazynu to 72 godziny.
iOS wymaga natywnej aplikacji korzystającej z CoreBluetooth, ponieważ Apple blokuje Web Bluetooth w każdej przeglądarce na iOS. Protokół jest ten sam; różni się tylko API transportowe. Możemy zbudować aplikację lub przekazać protokół Państwa zespołowi.
Tak, w formie wideo. Mamy 2-minutowe demo naszej referencyjnej aplikacji na Androida działającej na prawdziwym telefonie z rejestratorem. Godzinne nagranie dociera na telefon w około 4 minuty (zmierzone 3 min 49 s przy 30.7 KB/s). Kod źródłowy Androida i dokument protokołu BLE są dołączane do zamówienia próbki.
Każda liczba powyżej jest zmierzona, a każde twierdzenie można zweryfikować na prawdziwym egzemplarzu. Pełna dokumentacja protokołu, w tym strumieniowanie w czasie rzeczywistym, pobieranie segmentowe i pełna tabela notatek terenowych, znajduje się w dokumencie protokołu dołączanym do zamówienia próbki.
Nie. Dokument protokołu Bluetooth i kod źródłowy referencyjnej aplikacji na Androida są dołączane do zamówienia próbki. Transkrypcję można skierować do własnego ASR, usługi zewnętrznej lub instancji on-premise i nigdy nie wywoływać naszych serwerów w czasie działania.
Tak. Warstwa odbioru i transkrypcji działa na Państwa własnym serwerze, a żadne nagranie nie przechodzi przez nas. Urządzenie z Intel N97 lub N100 i 8 GB RAM transkrybuje w tempie około 4× czasu rzeczywistego, co wystarcza do spotkań, konsultacji i zajęć.
W trybie rozmowy tak, i to bez modelu odcisku głosu, mikrofon powietrzny i mikrofon przewodnictwa kostnego fizycznie rejestrują obie strony na osobnych kanałach. Nagrania otoczenia w mono wracają do algorytmicznej diaryzacji, która jest mniej niezawodna.
Typowo 1,000 sztuk. Niższe jest do negocjacji na istniejącym oprzyrządowaniu z naszym opakowaniem. Najszybszy czas realizacji próbki z magazynu to 72 godziny.
iOS wymaga natywnej aplikacji korzystającej z CoreBluetooth, ponieważ Apple blokuje Web Bluetooth w każdej przeglądarce na iOS. Protokół jest ten sam; różni się tylko API transportowe. Możemy zbudować aplikację lub przekazać protokół Państwa zespołowi.
Tak, w formie wideo. Mamy 2-minutowe demo naszej referencyjnej aplikacji na Androida działającej na prawdziwym telefonie z rejestratorem. Godzinne nagranie dociera na telefon w około 4 minuty (zmierzone 3 min 49 s przy 30.7 KB/s). Kod źródłowy Androida i dokument protokołu BLE są dołączane do zamówienia próbki.
25 godzin ciągłego nagrywania i 15 dni czuwania, z ogniwa 400mAh ładowanego przez magnetyczne złącze USB.
Dwa mikrofony dookólne plus jeden mikrofon przewodnictwa kostnego, które zapewniają czysty dźwięk w sali konferencyjnej, gabinecie lub sali lekcyjnej.
86 × 54 × 3.2 mm, powierzchnia karty bankowej, przy około 28 gramach w jednoczęściowym aluminiowym korpusie używanym ze skórzanym etui. Monochromatyczny ekran 0.42 cala pokazuje czas, baterię i stan nagrywania.
Kolor obudowy i znaki sitodrukiem, materiał etui i wytłoczone logo, konstrukcję opakowania i pełny zestaw nadruków, instrukcję i lokalne etykiety zgodności. Po stronie oprogramowania: ekran startowy i teksty interfejsu na ekranie, aplikację pod Państwa marką lub Państwa własną aplikację obsługującą protokół, wskazane przez Państwa silniki transkrypcji i podsumowań oraz prywatną bazę wiedzy i backend on-premise.
Podaj przypadek użycia, rynek docelowy i oczekiwany wolumen, a wrócimy z ceną i planem personalizacji. Próbki można wysłać; dokumentację protokołu Bluetooth można przekazać Państwa inżynierom wcześniej.
PINGOOD TECHNOLOGY CO. LIMITED (działająca pod marką AI HW Stack) jest producentem ODM/OEM sprzętu AI z siedzibą w Shenzhen. Dostarczamy kompletny stos — wzornictwo przemysłowe i oprzyrządowanie, płytę główną, firmware dla Androida, potok ASR + LLM + TTS, aplikację towarzyszącą i backend w chmurze — w jednym zamówieniu.
Technologie, na których budujemy: Android TV, Azure AI Speech, OpenAI speech-to-text, Alibaba Model Studio, Cloudflare Workers.
Opublikowano 2026-09-01 · · Kontakt: kristy@aihwstack.com
