第一代高通S7和S7 Pro音频平台:超旗舰性能,全面革新音频体验

以下文章来源于高通中国

如今,音频内容与形式日渐丰富,可满足人们放松心情、提升自我、获取资讯等需求。得益于手机、手表、耳机、车载音箱等智能设备的广泛应用,音频内容可以更快速触达用户。从《音频产品使用现状调研报告2023》中发现,人们使用耳塞和耳机的频率正在提高、时间更长、用途也更广泛;更关注卓越音频体验,同时对音质的要求也达到新高。为此,高通推出了面向耳塞、耳机和音箱设计的第一代高通S7和S7 Pro音频平台。

在这里插入图片描述

第一代高通S7和S7 Pro音频平台经过全面重新设计的架构,拥有听力损失补偿、自适应主动降噪(ANC)、透传和噪声管理专用内核,支持Snapdragon Sound骁龙畅听技术等诸多创新音频特性,将帮助音频设备厂商开发更先进的产品,也为消费者带来更丰富、多元化的卓越音频体验。下面就来一起了解两款新平台带来的全新特性。

在这里插入图片描述

超过100倍的终端侧AI性能提升

第一代高通S7和S7 Pro音频平台的计算性能是前代平台的6倍,AI性能是前代平台的近100倍,DSP运算性能提升3倍,存储性能提升3倍,并以低功耗带来全新层级的超旗舰性能。此外,其融合与终端侧AI协同工作的全新技术,不论用户是在进行会议、社交、游戏、听音乐或是需要片刻的宁静,都能在任何场景中获得沉浸且个性化的音频体验。

图片

第一代高通S7和S7 Pro音频平台带来的更强算力,特别是大幅提升的端侧AI算力,意味着其驱动的耳机可以实现更精确的主动降噪效果。不仅如此,强大的内置AI算力也赋予了未来无线耳机更多功能的可能性。

高通XPAN技术和超低功耗Wi-Fi

第一代高通S7 Pro音频平台是首款支持全新高通扩展个人局域网(XPAN)技术和超低功耗Wi-Fi连接的音频平台,能够在家庭、楼宇或园区扩展音频传输距离,并支持高达192kHz的无损音乐品质;还可以通过低时延提供更高带宽,结合AI驱动的传感器计算功能,面向游戏的沉浸式空间音频体验实现头部追踪时延的突破。

在这里插入图片描述

其中,高通XPAN技术是使用蓝牙或Wi-Fi对现有无线体验进行扩展的连接层,配合Snapdragon Sound骁龙畅听技术,可根据用户需求、所处位置和周围连接状况选择合适的连接。若因音乐串流服务支持192kHz无损音频而需要更高带宽,那么终端将切换到Wi-Fi连接以确保用户尽可能以最佳音质聆听音乐。而当用户离开蓝牙覆盖范围,走到其它房间或楼层,XPAN也将让耳塞或耳机从直连终端无缝切换到Wi-Fi连接。

在这里插入图片描述

XPAN基于现有蓝牙功能和Wi-Fi标准,可使用已安装的Wi-Fi接入点,并支持2.4GHz、5GHz和6GHz频谱(部分国家和地区可用),实现无拥堵的链路。

在这里插入图片描述

此外,借助蓝牙和Snapdragon Sound骁龙畅听技术,50mAh的电池能够提供长达10小时的48kHz无损音乐串流。而利用XPAN、蓝牙和Wi-Fi,第一代高通S7 Pro音频平台还能够在不增加功耗的情况下提供完全不受限制的、长达10小时的96kHz无损音乐串流。

第四代高通自适应主动降噪(ANC)

第一代高通S7和S7 Pro音频平台均支持第四代高通自适应主动降噪(ANC)技术,全新的平台硬件架构支持低时延、多通道和低功耗的ANC。其主动降噪性能是目前高通音频产品中最强的,不仅能在繁忙的办公室或咖啡厅等场所带来响应更快的性能,还能够根据不同的变量(包括耳塞佩戴的贴合程度或环境噪音等)进行自适应调整。透传模式更可在用户需要听到外界声音时使用,ANC旨在实现模式之间自动且无缝过渡。

在这里插入图片描述

Snapdragon Seamless

第一代高通S7和S7 Pro音频平台还搭载了高通全新发布的跨平台技术Snapdragon Seamless,可实现跨多个操作系统进行多设备的无缝连接,共享外设和数据;还可以让运行安卓、Windows和其它系统的骁龙设备相互发现并共享信息,作为一个集成系统来运行。

图片

结合高性能、低功耗计算、终端侧AI和先进连接,全新第一代高通S7和S7 Pro音频平台将开启音频创新的全新时代,为性能、时延、电池续航、AI和算力树立新标杆,为用户打造突破性的音频体验。搭载第一代高通S7和S7 Pro音频平台的首批终端将于明年面世,敬请期待。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/733962.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

幕译--本地字幕生成与翻译--Whisper客户端

幕译–本地字幕生成与翻译 本地离线的字幕生成与翻译,支持GPU加速。可免费试用,无次数限制 基于Whisper,希望做最好的Whisper客户端 功能介绍 本地离线,不用担心隐私问题支持GPU加速支持多种模型支持(中文、英语、日…

连接时序分类 Connectionist Temporal Classification (CTC)

CTC全称Connectionist temporal classification,是一种常用在语音识别、文本识别等领域的算法,用来解决输入和输出序列长度不一、无法对齐的问题。在CRNN中,它实际上就是模型对应的损失函数(CTC loss)。 一、背景 字母和语音的对齐(align)非…

【数据通信】数据通信基础知识---信号

1. 信息、数据、信号 信息是人们通过施加于数据的一些规定而赋予数据的特定含义(ISO定义)通信就是在信源和信宿之间传递信息。 信息和消息的关系:消息中包含信息,消息不等于信息。 消息所包含信息的多少,与在收到消息…

transformer--使用transformer构建语言模型

什么是语言模型? 以一个符合语言规律的序列为输入,模型将利用序列间关系等特征,输出一个在所有词汇上的概率分布.这样的模型称为语言模型. # 语言模型的训练语料一般来自于文章,对应的源文本和目标文本形如: src1"Ican do",tgt1…

Revit-二开之不同个立面/剖面上点的处理-(8)

由上图我们可以知道,在不同的立面坐标系是不同的。在很多业务逻辑处理的时候,需要对不同的立面进行处理,在此封装了一个方法,便于处理不同立面上点的计算。 viewSection 立面或者剖面 point 立面或者剖面上的点 horizontalOffset 点在屏幕中水平方向上的偏移量 verticalOf…

Android14之解决报错:No module named sepolgen(一百九十二)

简介: CSDN博客专家,专注Android/Linux系统,分享多mic语音方案、音视频、编解码等技术,与大家一起成长! 优质专栏:Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏:多媒…

推荐算法中经典排序算法GBDT+LR

文章目录 逻辑回归模型逻辑回归对于特征处理的优势逻辑回归处理特征的步骤 GBDT算法GBDTLR算法GBDT LR简单代码实现 逻辑回归模型 逻辑回归(LR,Logistic Regression)是一种传统机器学习分类模型,也是一种比较重要的非线性回归模型&#xff0…

浅谈Redis和分布式系统

浅谈Redis Redis用于存储数据,且在内存当中进行存储。 但是在日常编写代码中,定义一个变量也就属于在内存当中存储一个数据。 Redis主要会在分布式系统当中发挥重要作用,如果只是单机程序,直接通过变量存储数据的方式会比使用Re…

Listener(监听器)

文章目录 Listener和ServletContext1.0 ServletContext对象介绍1.1 Listener概述1.2 Listener快速入门① xml版本② 注解版本 1.3 案例:模拟spring框架 Listener和ServletContext 补充:1.ServletContext 表示上下文对象,属于接口&#xff0c…

MySQL主从读写分离之Proxysql(openEuler版)

实验目的: 基于proxysql实现MySQL的主从读写分离。 实验过程: 前期准备: 一共有四台虚拟机,其中三台为配置好的一主两从虚拟机,还有一台干净的虚拟机用来配置proxysql。 主机名地址master192.168.27.137node1192.…

bat文件给多个Android设备安装apk

本文是安装一个apk 1、确保以下3个文件在同一个目录下 1>要安装的apk,这里是mmb.apk 2>设备名单,保存在.txt文件中,一行一个设备名,设备名通过adb devices获取,截图中是两个设备 txt文件中的样式 3>要运行…

【Pytorch】进阶学习:深入解析 sklearn.metrics 中的 classification_report 函数---分类性能评估的利器

【Pytorch】进阶学习:深入解析 sklearn.metrics 中的 classification_report 函数—分类性能评估的利器 🌈 个人主页:高斯小哥 🔥 高质量专栏:Matplotlib之旅:零基础精通数据可视化、Python基础【高质量合…

外包干了3个月,技术退步明显。。。。

先说一下自己的情况,本科生,2019年我通过校招踏入了南京一家软件公司,开始了我的职业生涯。那时的我,满怀热血和憧憬,期待着在这个行业中闯出一片天地。然而,随着时间的推移,我发现自己逐渐陷入…

定制repo(不再切换python和google源)

文章目录 定制repo(不再切换python和google源)前言各用各的repo定制repo2/repo3源码自动识别repo2/repo3项目完整解决方案: 定制repo(不再切换python和google源) 众知,Android/AOSP/ROM系统开发&#xff0c…

读算法的陷阱:超级平台、算法垄断与场景欺骗笔记05_共谋(中)

1. 默许共谋 1.1. 又称寡头价格协调(Oligopolistic Price Coordination)或有意识的平行行为(Conscious Parallelism) 1.1.1. 在条件允许的情况下,它会发生在市场集中度较高的行业当中 1.1.…

论文笔记 Where Would I Go Next? Large Language Models as Human Mobility Predictor

arxiv 2023 08的论文 1 intro 1.1 人类流动性的独特性 人类流动性的独特特性在于其固有的规律性、随机性以及复杂的时空依赖性 ——>准确预测人们的行踪变得困难近期的研究利用深度学习模型的时空建模能力实现了更好的预测性能 但准确性仍然不足,且产生的结果…

爬虫(五)

1. 前端JS相关 三元运算 v1 条件 ? 值A : 值B; # 如果条件成立v1值A,不成立v1等于值Bres 1 1 ? 99 : 88 # res99特殊的逻辑运算 v1 11 || 22 # Ture v2 9 || 14 # 9 v3 0 || 15 # 15 v3 0 || 15 || "zhangfei" # 15赋值和…

201909 青少年软件编程(Scratch)等级考试试卷(一级)

第1题:【 单选题】 小明在做一个采访的小动画,想让主持人角色说“大家好!”3秒钟,用下列程序中的哪一个可以实现呢?( ) A: B: C: D: 【正确答案】: B 【试题解析】 : 第2题&#xff1a…

领域模型设计-COLA架构

前言 当我们需要创建的新应用的时候,往往需要站在一个长远的角度来设计我们的系统架构。有时候我们接手一个老的应用的时候,会发现由于创建之初没有好好规划系统架构,导致我们后期开分成本和维护成本都非常高。近些年来领域模型的系统设计非常…

《AI歌手:音乐产业的未来之音?》

引言 随着人工智能技术的快速发展,AI歌手作为一种新兴的演艺模式逐渐走进了人们的视野。AI歌手以其独特的魅力和无限的潜力引发了人们对于音乐产业未来的思考。本文将围绕AI歌手的音乐呈现、市场认可、替代性以及其他类似AI应用等方面展开讨论,探究AI歌手是否有望成为音乐产…