AirPods Pro跟AirPods只差在外觀?實測看不見的大改進,除了降噪還有一大效能優化
AirPods Pro跟AirPods只差在外觀?實測看不見的大改進,除了降噪還有一大效能優化

標題1:除了降噪,AirPods Pro在耳機評比中發現被世人忽視的改進

蘋果在數月前推出了首款主動降噪耳機AirPods Pro,這款耳機自發售伊始就一直備受關注。也許在許多人印像中,AirPods Pro和AirPods的區別只是外觀變了、加多了一個降噪,但實際不然,AirPods Pro在一直糾纏著無線耳機的延遲問題上,也得到了顯著改進。

AirPods Pro2.jpg
圖/ 愛范兒

曾經撰寫《我在App Store裡賺了多少錢》的音樂製作人史蒂芬.科爾(Stephen Coyle)最近就對幾款蘋果系的耳機進行了延遲對比評測,結果顯示,AirPods Pro的延遲是「接近無縫連接」體驗。

下面詳細展開來說說科爾是怎麼測試這些耳機了。

AirPods Pro3.jpg
圖/ 愛范兒

要說耳機延遲這個問題對使用影響有多大,其實用過無線耳機玩遊戲的玩家知道,這可是和網絡延遲一樣影響角色生死的大問題,哪怕是慢了半秒,也會因為這半秒而被對手KO。再有就是我們平時戴耳機打字的鍵盤聲、UI反饋聲……連貫的觸碰會讓我們感覺到鍵盤聲的延遲,這裡其實也是影響聲音體驗的表現之一。

在這次測試中,科爾分別用了第一代、第二代AirPods、Beats Studio3、索尼WH-CH700N和設備揚聲器與AirPods Pro進行對比。

測試環節分為兩部分,一個是系統原始的鍵盤聲反饋,另一個是科爾自己開發的一款遊戲《Tapt》。這兩者區別在於,前者鍵盤聲它並不是連貫的,在使用鍵盤時,系統需要先喚醒藍牙模塊,然後播放聲音,所以我們敲打鍵盤時的第一聲往往會比之後的反應明顯要慢一些;而後者由於是遊戲,因此會持續喚醒藍牙模塊,使耳機會第一時間響應每個聲音,而且這個遊戲在編寫時本身也會注重低頻延遲表現。

AirPods Pro1.jpg
圖/ Stephen Coyle 部落格

對於所有設備和軟體的組合,科爾均使用了遊戲90bpm的節拍器觸發了10種聲音,並透過敲打系統鍵盤,將19個隨機測試結果進行平均計算後得出如下結果(在鍵盤測試時,科爾沒有記錄第一聲的反應時間):

  • AirPods(第一代):274毫秒

  • AirPods(第二代):178毫秒

  • AirPods Pro:144毫秒

  • Beats Studio 3:258毫秒

  • 索尼WH-CH700N:230毫秒

  • 設備揚聲器:69毫秒

AirPods Pro4.jpg
圖/ 愛范兒

從今年年初推出的AirPods開始,蘋果已經在新AirPods和AirPods Pro上使用H1晶片,相比於之前的W1,使用H1晶片的新AirPods在延遲時間上縮減了30%。而這次AirPods Pro雖然也是用了同款H1晶片,但延時時間再次縮減到144毫秒,縮減幅度接近第一代AirPods的50%,達到人耳幾乎分辨不出延遲的水準。

因此科爾認為兩款AirPods雖同為H1晶片,但蘋果似乎已經找到在不變換硬體的前提下縮減耳機延遲時間的辦法。

至於其他兩款藍牙耳機的結果,配備W1晶片的Beats Studio 3和第一代AirPods結果接近,為258毫秒;索尼WH-CH700N為230毫秒。另外科爾還測試了第三代Amazon Echo和JBL的藍牙耳機,結果都和Beats、索尼耳機的測試結果接近。

AirPods Pro5.jpg
圖/ 愛范兒

儘管AirPods Pro的延遲是這次測試的無線耳機中表現最低的,但144毫秒在遊戲和部分音樂製作中仍然還在人耳能察覺到的延遲範圍內。不過相比於過去的AirPods和其他無線耳機,作為音樂人的科爾認為AirPods Pro在無線耳機這個艱難問題上的改變還是相當可觀的,這使得它能成為科爾首選的無線耳機。

AirPods Pro7.jpg
圖/ 愛范兒

隨著像AirPods一樣的TWS(True Wireless Stereo)無線耳機在市場漸漸普及,不少廠商也開始著手解決延遲問題,以提升手機和耳機音樂、影片傳輸體驗。比如華為之前發布的Freebuds3官宣延遲僅190毫秒;OPPO將要發布的EncoFree官宣甚至縮減到了120毫秒。

由此看來,今後的無線耳機不但連接速度更快,而且體驗也能越來越接近傳統的有線耳機了。

責任編輯:江可萱、蕭閔云
本文授權轉載自:愛范兒

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓