Microphone — คืออะไร ชนิด และทำงานอย่างไรในอุปกรณ์มือถือ

ไมโครโฟนคืออะไร?

ไมโครโฟน คืออุปกรณ์ไฟฟ้าเสียงที่แปลงการสั่นของความดันเสียงเป็นสัญญาณไฟฟ้า ตามหลักการทำงาน แบ่งเป็นไดนามิก (คอยล์ในสนามแม่เหล็ก), คอนเดนเซอร์ (การเปลี่ยนแปลงความจุ) และเพียโซอิเล็กทริก ในอุปกรณ์มือถือ ส่วนใหญ่เป็นไมโครโฟน MEMS แบบคอนเดนเซอร์เนื่องจากขนาดจิ๋ว (2.5 × 1.5 มม.) และความเข้ากันได้กับเทคโนโลยีการยึดติดพื้นผิว (SMD)

ไมโครโฟนประกอบด้วยไดอะแฟรมที่สั่นภายใต้ความดันเสียงและอิเล็กโทรดคงที่ ซึ่งก่อตัวเป็นตัวเก็บประจุ การเปลี่ยนแปลงระยะห่างระหว่างแผ่นทำให้ความจุเปลี่ยนไป ซึ่งมอดูเลตแรงดันไฟฟ้าขาออก ในไมโครโฟน MEMS ไดอะแฟรมทำจากโพลีซิลิคอนโดยการถ่ายภาพด้วยแสง — ซึ่งรับประกันคุณลักษณะที่เหมือนกันของไมโครโฟนทั้งหมดในชุดการผลิต

สัญญาณขาออกของไมโครโฟน MEMS คือ PDM (Pulse Density Modulation) — สตรีมหนึ่งบิตด้วยอัตราการสุ่ม 1–4 MHz ตัวแปลงสัญญาณของสมาร์ทโฟนถอดรหัส PDM เป็น PCM (Pulse Code Modulation) ผ่านฟิลเตอร์ลดความถี่ดิจิทัล ได้รูปแบบเสียงมาตรฐาน 16–24 บิตที่ 44.1–96 kHz สำหรับการประมวลผลโดยแอปพลิเคชัน

MEMS กับไมโครโฟนอิเล็กเตรต

ก่อนการมาถึงของ MEMS อุปกรณ์มือถือใช้ ไมโครโฟนคอนเดนเซอร์อิเล็กเตรต (ECM) ในเหล่านี้ ไดอะแฟรมมีประจุไฟฟ้าถาวร (อิเล็กเตรต) และการสั่นของไดอะแฟรมสร้างแรงดันไฟฟ้ากระแสสลับ ไมโครโฟน ECM มีขนาดใหญ่กว่า (4–6 มม.) และต้องการพรีแอมป์แยกต่างหาก ซึ่งเพิ่มพื้นที่บนแผงวงจร

ไมโครโฟน MEMS ครองตลาดเนื่องจากขนาดที่เล็กกว่า คุณลักษณะที่เสถียร และความสามารถในการบัดกรีบนสายการผลิต SMD มาตรฐาน อย่างไรก็ตาม ECM ยังคงใช้ในอุปกรณ์ราคาประหยัดเนื่องจากต้นทุนส่วนประกอบที่ต่ำกว่า ($0.15–0.30 เทียบกับ $0.25–0.60 สำหรับ MEMS)

การกำหนดค่าไมโครโฟนหลายตัว: หลัก, หน้า, หลัง

สมาร์ทโฟนสมัยใหม่ประกอบด้วยไมโครโฟน 3 ถึง 4 ตัว ซึ่งตำแหน่งกำหนดคุณภาพการบันทึกและการตัดเสียงรบกวน ไมโครโฟนหลัก (ด้านล่าง) อยู่ที่ขอบด้านล่างถัดจากพอร์ต USB-C — บันทึกเสียงผู้ใช้ระหว่างการโทรและการบันทึกวิดีโอ ไมโครโฟนหน้า (ด้านบน) อยู่ที่ขอบด้านบนสำหรับคำสั่งเสียงและช่องสัญญาณที่สองในการบันทึกสเตอริโอ

ไมโครโฟนหลัง (ด้านหลัง) มักวางใกล้กล้องที่แผงด้านหลังและใช้สำหรับการตัดเสียงรบกวนเท่านั้น สัญญาณของมันไม่ได้ถูกบันทึกในไฟล์เสียง — มันถูกลบโดยโปรเซสเซอร์ดิจิทัลจากสัญญาณไมโครโฟนหลักเท่านั้น ในบางรุ่นเรือธง (iPhone 16 Pro, Samsung Galaxy S25) มีการติดตั้งไมโครโฟนตัวที่สี่ — ในรอยบากกล้องหน้าเพื่อปรับปรุงการบันทึกระหว่างการโทรวิดีโอ

การบันทึกวิดีโอสเตอริโอทำได้ผ่านการรวมกันของไมโครโฟนล่างและบน iOS จะเลือกคู่ไมโครโฟนโดยอัตโนมัติขึ้นอยู่กับการวางแนวของอุปกรณ์ — ในโหมดแนวนอน ช่องซ้ายมาจากขอบซ้าย ช่องขวาจากขอบขวา บน Android ตรรกะนี้ขึ้นอยู่กับการใช้งานของผู้ผลิต OEM และอาจแตกต่างกันระหว่างรุ่น

ตัวอย่างการเลือกแหล่งเสียงใน Kotlin (Android)

val recorder = AudioRecord(
    MediaRecorder.AudioSource.CAMCORDER,
    44100,
    AudioFormat.CHANNEL_IN_MONO,
    AudioFormat.ENCODING_PCM_16BIT,
    bufferSize
)
recorder.startRecording()

val buffer = ShortArray(bufferSize)
while (recorder.recordingState == AudioRecord.RECORDSTATE_RECORDING) {
    recorder.read(buffer, 0, buffer.size)
    // การประมวลผลบัฟเฟอร์ PCM
}

AudioSource.CAMCORDER เลือกไมโครโฟนที่เหมาะสมที่สุดสำหรับการบันทึกวิดีโอ — โดยปกติคือไมโครโฟนหลักด้านล่างพร้อมการควบคุมเกนอัตโนมัติ สำหรับการบันทึกเสียง จะใช้ VOICE_RECOGNITION — แหล่งนี้ปิดใช้งานตัวกรองทั้งหมดและการตัดเสียงรบกวนเพื่อให้ได้สัญญาณที่สะอาดสำหรับการรู้จำเสียง

การตัดเสียงรบกวนทำงานอย่างไรในสมาร์ทโฟน

การตัดเสียงรบกวนแบบแอคทีฟ (ANC) ในสมาร์ทโฟนขึ้นอยู่กับวิธีเชิงอนุพันธ์: ไมโครโฟนตัวที่สอง (อ้างอิง) บันทึกเสียงพื้นหลังเป็นหลัก ในขณะที่ไมโครโฟนหลักเก็บส่วนผสมของเสียงและสัญญาณรบกวน โปรเซสเซอร์สัญญาณดิจิทัล (DSP) ลบสัญญาณอ้างอิงออกจากสัญญาณหลัก เหลือเพียงเสียงที่สะอาด

คุณภาพการตัดเสียงรบกวนขึ้นอยู่กับระยะห่างระหว่างไมโครโฟนและทิศทางของไมโครโฟน การระงับเสียงรบกวนสม่ำเสมอทั่วไป (เครื่องบิน, พัดลม) คือ 20–35 dB สำหรับเสียงกระแทก (การปิดประตู, การชนของจาน) จะใช้บล็อกระงับชั่วคราวเพิ่มเติมซึ่งแทนที่ส่วนที่บิดเบี้ยวด้วยสัญญาณโดยประมาณจากตัวอย่างข้างเคียง

นักพัฒนาสามารถมีอิทธิพลต่ออัลกอริทึมการตัดเสียงรบกวนผ่านพารามิเตอร์เซสชันเสียงเท่านั้น: บน Android — AudioManager.setParameters("noise_suppression=on/off"), บน iOS — หมวดหมู่ AVAudioSession .playAndRecord พร้อมตัวเลือก .allowBluetoothA2DP เมื่อบันทึกเพื่อการรู้จำ การตัดเสียงรบกวนมักจะถูกปิด — อัลกอริทึม STT ทำงานได้แม่นยำกว่าด้วยสัญญาณดั้งเดิม

การจับเสียง: Android AudioRecord และ iOS AVAudioEngine

AudioRecord (Android) เป็น API ระดับต่ำสำหรับการบันทึกข้อมูล PCM โดยตรงจากไมโครโฟน แอปพลิเคชันได้รับบัฟเฟอร์พร้อมข้อมูลเสียงดิบที่สามารถประมวลผลได้แบบเรียลไทม์: การวิเคราะห์ระดับเสียง, การวิเคราะห์ความถี่ (FFT), VAD (การตรวจจับกิจกรรมเสียง) บัฟเฟอร์ขั้นต่ำคำนวณผ่าน AudioRecord.getMinBufferSize() — การใช้ขนาดที่เล็กกว่าทำให้เกิดความล่าช้าหรือความล้มเหลวในการบันทึก

AVAudioEngine (iOS) คือกราฟประมวลผลเสียงแบบโมดูลาร์ที่โหนดอินพุต (AVAudioInputNode) เชื่อมต่อกับมิกเซอร์หลักหรือโดยตรงกับตัวจัดการแทป เอ็นจินช่วยให้การวิเคราะห์ RMS (Root Mean Square) แบบเรียลไทม์ — ตัวบ่งชี้ระดับสัญญาณ — และสเปกตรัมความถี่ผ่าน AVAudioUnitEQ

ความแตกต่างสำคัญระหว่างแพลตฟอร์ม: บน iOS การบันทึกต้องการการเปิดใช้งาน AVAudioSession ภาคบังคับด้วยหมวดหมู่ .playAndRecord หรือ .record; บน Android ต้องการสิทธิ์ RECORD_AUDIO (สิทธิ์ขณะรันไทม์) และแหล่งเสียงไมโครโฟน Flutter ใช้ปลั๊กอิน record เพื่อทำให้ความแตกต่างเหล่านี้เป็นนามธรรม

ตัวอย่างการจับเสียงใน Swift (iOS)

import AVFoundation

let engine = AVAudioEngine()
let inputNode = engine.inputNode
let format = inputNode.outputFormat(forBus: 0)

inputNode.installTap(onBus: 0, bufferSize: 1024,
    format: format) { buffer, time in
    guard let channelData = buffer.floatChannelData else { return }
    let frameLength = Int(buffer.frameLength)
    var sumSquares: Float = 0

    for i in 0..<frameLength {
        sumSquares += channelData[0][i] * channelData[0][i]
    }
    let rms = sqrt(sumSquares / Float(frameLength))
    print("RMS ความดัง: \(rms)")
}

try engine.start()

โค้ดตั้งค่าแทปบนโหนดอินพุตของ AVAudioEngine แต่ละบัฟเฟอร์เสียงประกอบด้วยข้อมูล float ของสัญญาณโมโนโฟนิกจากไมโครโฟน RMS คำนวณเป็นรากที่สองของค่าเฉลี่ยกำลังสองของแอมพลิจูด — ตัวบ่งชี้มาตรฐานของระดับเสียงในช่วง 0.0 (เงียบ) ถึง ~0.5–1.0 (เสียงดัง)

คุณลักษณะของไมโครโฟน: SNR, AOP, ช่วงความถี่

พารามิเตอร์สำคัญใช้ในการประเมินคุณภาพไมโครโฟน SNR (Signal-to-Noise Ratio) คืออัตราส่วนของระดับสัญญาณต่อเสียงรบกวนภายในของไมโครโฟน วัดเป็น dBA ยิ่ง SNR สูง เสียงพื้นหลังในการบันทึกยิ่งเงียบ สำหรับการโทรด้วยเสียง 62–64 dBA ก็เพียงพอ สำหรับการบันทึกเพลง ต้องการ 68+ dBA

AOP (Acoustic Overload Point) คือระดับความดันเสียงสูงสุด (SPL) ที่ไมโครโฟนสามารถแปลงได้โดยไม่มีการ clipping สำหรับไมโครโฟน MEMS ทั่วไป AOP = 125 dB ในคอนเสิร์ต (110–120 dB) การบันทึกจะสะอาด แต่ที่ 130+ dB (ดอกไม้ไฟใกล้ๆ) จะเกิดการบิดเบือนแบบไม่เชิงเส้น (THD > 10%)

ช่วงความถี่กำหนดว่าไมโครโฟนบันทึกความถี่ใดโดยไม่ลดทอน สำหรับเสียง 300–3400 Hz (มาตรฐานโทรศัพท์, POTS) ก็เพียงพอ สำหรับเพลงและวิดีโอ — 20–20000 Hz ไมโครโฟน MEMS ในสมาร์ทโฟนรุ่นล่าสุด (Knowles SPH9855) ให้ช่วง 30–18000 Hz ด้วยความเรียบ ±3 dB