1

0
1

文字

分享

1
0
1

聲音總是慢一拍?無線耳機的致命傷「藍牙延遲」是怎麼回事?

鳥苷三磷酸 (PanSci Promo)_96
・2020/09/18 ・3365字 ・閱讀時間約 7 分鐘 ・SR值 515 ・六年級

本文由 量子音樂 委託,泛科學企劃執行

  • 文/YC WANG

「玩射擊遊戲先看到火光,才聽到槍聲,還沒來得及反應就死了!」、「玩太鼓達人聲音和畫面不同步,玩得好痛苦!」你也曾有過類似的經驗嗎?

常使用藍牙耳機的人,可能會遇到「藍牙延遲」影音不同步的情況。圖/Pexels

習慣使用藍牙耳機的人,對於「藍牙延遲」大約都不陌生。到底為什麼藍牙耳機會有聲音延遲的問題?隨著技術的進步,又有什麼新的方法能減少這個潛在惱人的困擾?挑選耳機,怎樣才能符合自己的需求?

泛科學這次訪問量子音樂創辦人蔡明耀(Hikari),請專家來一一解釋什麼是藍牙延遲,並對於不同屬性的用戶挑選最適合自己的藍牙耳機,提出一些建議。

-----廣告,請繼續往下閱讀-----

聲音延遲……為什麼專業音樂人無法忍受?

「延遲會遇到的狀況其中一項是回音,你在錄 podcast 時,會聽到,Hi Hikari,然後馬上又再有回音 Hi Hikari。」量子音樂的 Hikari 也是一名混音師,他每天工作的日常除了音樂製作、聲音系統還有人工智慧的研發。

他表示,在工作上對於聲音的傳輸,需要嚴苛要求「低延遲」,尤其是在錄音室中,錄音要求延遲在 30 毫秒以下。目前大多錄音室都採用數位設備,數位設備較有機會造成延遲回聲等效果,無論是歌手錄音或 podcast 製作上,均難以接受明顯的聲音延遲。不過,除非經過特殊訓練,否則一般人耳僅能辨別出 60 毫秒以上的延遲。

相較於數位設備,類比器材的速度較快也不會造成延遲,但目前在聲音的編輯處理上,時常需要轉數位化,這也就是造成延遲的開始。

為何類比較不會有延遲的問題?類比音訊的輸出與輸入是透過線來傳輸,不需要經過類比、數位的轉換。但類比雖然速度快,在聲音調控上就完全要靠類比電路,操作不易,目前為了聲音編輯,大部分的聲音處理也主要採數位化,缺點就是有延遲的可能。

-----廣告,請繼續往下閱讀-----

藍牙耳機延遲問題究竟可以如何改善?

其實除了 Hikari 提到在音樂製作上專業上不容出現的聲音延遲,在玩遊戲或看電影的時候,「看到火光之後慢半拍才聽到『砰!』」應該是選用藍牙耳機或喇叭的人都有過的經驗。

為什麼使用藍牙的音響系統,會有這種延遲問題呢?藍牙延遲簡單來說就是:「當藍牙訊號開始傳輸,到接收端收到訊號的時間差」。

藍牙是無線傳輸,聲音源透過「藍牙立體聲音訊傳輸協議」(Advanced Audio Distribution Profile, A2DP)來傳輸訊號,並只能在有限的頻寬下,透過編碼壓縮的方式傳遞音樂訊號,而藍牙接收端(耳機、喇叭裝置)接收訊號後,便會解壓縮藍牙訊號、轉成數位音訊,最後再輸出給裝置上的DAC(數位類比轉換器),然後聲音就會傳到我們的耳朵裡了。

這段音訊訊號傳輸的過程所產生的時間差,便是所謂的藍牙延遲。

-----廣告,請繼續往下閱讀-----
圖/泛科學製

藍牙透過 A2DP 協議來傳輸訊號,一開始是以「能聽到不斷續聲音」而設計。為了避免遭到干擾,藍牙預備了一個的緩衝區(buffer),一個傳出一個接收,如果中間有斷音、不連續,就可以用緩衝丟出音訊,也因此而有延遲。但隨著藍牙耳機用途越來越廣泛,不再像過去只用在通話上時,藍牙延遲問題就需要被改善。這也是藍牙耳機難以應用於製作音樂、錄音、電競產業的主要原因。

藍牙耳機不再像過去只用在通話上,藍牙延遲問題需要被改善才能被廣泛運用。圖/Pexels

其實,像是 Netflix或 YouTube 串流影片有調整延遲的協定,也就是設計當聲音變慢了,畫面也一起變慢,藉由「一起延遲」來解決影音不同步問題。然而,這樣的設計無法應用於電玩,因為遊戲的影像是即時生成,聲音馬上就出來了,因此延遲的問題就較為棘手。

那要怎麼讓藍牙延遲不要這麼嚴重呢?改善的做法之一,在於改進通訊設計。過去藍牙的兩個耳機是兩個藍牙裝置,由裝置傳到 A耳機(主要耳機),再傳到 B耳機(副耳機)會造成二段延遲。

為了解決二段延遲問題,先是將雙邊耳機都設計成可以跟系統溝通的主要耳機,再用 Sniff(監聽)到通訊協定的作法,緩衝就不用設計的那麼長,能降低延遲、縮短傳輸的時間。

-----廣告,請繼續往下閱讀-----
一般藍牙耳機傳送訊號方式是,由主要耳機接收訊號,再傳遞給另一個耳機;目前也有技術是將藍牙左右耳機都設為主要耳機,耳機可以視情況選擇左耳或右耳當主要耳機。除了以此增加效率,還可以加入「監聽」(Sniff,虛線部分)功能,讓另一支耳機能攔截訊號,使訊號不需要繞過頭部來傳輸,降低延遲。圖/泛科學製

優化後就不一樣!藍牙低延遲排行公開

除了優化通訊設計,要改善藍牙延遲的問題,可以調整的細節很多,包括優化傳輸編碼以及天線、晶片優化等各項調整,就有機會維持可接受的音質,並有效改善延遲情況。

挑選藍牙耳機時,最常出現的討論當然還包括傳輸編碼的選擇。

藍牙傳輸的編碼,主要可分為四種常見規格:SBC、AAC、aptX、LDAC。在數據的封包傳輸量上,一般來說,SBC<AAC<aptX<LDAC。越後者理論上封包越大,越有機會延遲。

但除了考慮到延遲,實際應用還有支援度與音質的問題。

-----廣告,請繼續往下閱讀-----

首先,討論支援度的部分。SBC、AAC 是普遍手機、電腦都具有的編碼規格,而 aptX則是高通所開發的一系列編碼(包括 aptX、aptX HD、aptX LL、aptX Adaptive)。目前 Android 手機普遍支援apt X、aptX HD規格,但 iPhone 就沒有支援aptX系列,僅支援SBC與AAC;另外,aptX LL雖然很快,但目前沒有任何手機支援。而 LDAC 則是 Sony 獨家的技術,目前僅有少數高階藍牙耳罩耳機有支援此項傳輸協定,音質好但延遲問題明顯。

前面描述的規格僅限於一般的規範,實際上還要看耳機的優化狀況。有些討論中常誤解認為 AAC 技術在傳輸速度必定輸給 aptX LL,但實際上考量到支援度,已經有開發團隊以優化 AAC 的方式來改善延遲問題。最知名的例子就是,在Apple生態系之下,iOS系統連接蘋果的藍牙耳機 AirPods Pro,經過優化的結果,就要比一般藍牙耳機透過 AAC 連接 iOS 延遲還要低上許多。因此加入「優化AAC」選項後,藍牙傳輸速度排名:優化AAC > aptX LL>AAC>aptX。

圖/Pexels

再來,討論音質的部分。影響音質的因素很多,耳機的整體配置都會有所影響,包括耳機共鳴體、驅動單體、組件搭配……等,再加上考慮到使用情境,若大多聽 KKBOX、Spotify、YouTube 等串流音樂,「優化 AAC」在音質與降低延遲取得平衡可以有很不錯的成效,提供使用者最佳的體驗。

怎麼選擇藍牙耳機?便利性、環繞音、低延遲

討論到最後,我們問到混音師 Hikari 對於藍牙耳機音質的評價,他坦率表示曾實際測試多款耳機。現有的藍牙耳機對專業混音師來說,完全難以達到工作所需要的音質,但他個人並不排斥在生活中使用。在通勤等生活情境中,藍牙耳機的「方便性」是他最在意的優點之一。

-----廣告,請繼續往下閱讀-----

對一般消費者來說,選擇耳機主要要考量喜歡聽哪種頻率的音樂,例如中頻很好的耳機,拿來聽蔡琴的聲音很理想,但拿來打遊戲可能就聽不到敵方腳步聲的聲音。

對Hikari來說,選擇合適的耳機,跟使用情境與慣聽的音樂屬性有很大的關聯,對想一邊舒適地聽音樂、又可以通話,甚至想要輕鬆玩遊戲的人來說,無線藍牙耳機肯定是最好的選擇啦。

以下是他的推薦名單,如果你也有各種心頭好,也不妨推薦給我們吧!

Hikari推薦耳機名單

  • 注重隔音、主動降噪(ANC),想隔絕外部噪音:
    Airpods Pro、Sony WH-1000XM4
  • 注重中低頻響應,適合電音、Dubstep聆聽且具備情境切換功能:
    jlab jbuds air executive
  • 低價但擁有不錯音質的超高CP值耳機:
    pamu scroll plus
  • 錄音與音樂製作,或是想要發燒耳機品質:
    Sony MDR-900ST、BEYERDYNAMIC DT1770 pro (所有藍牙耳機都不適合,請乖乖用類比耳機)

參考資料

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia