在应用程序中保持麦克风开启对电池的影响
Battery impact of keeping microphone on while in-app
我已经四处寻找了一段时间，但找不到太多相关信息。我有一个 AudioComponentInstance 用于在应用程序内连续记录用户。这不会写入文件，但我在录音回调中做了一些轻处理。这种光处理基本上是一个离线的、轻量级的语音 activity 每 100 毫秒音频数据检测系统。
所以基本上我拥有的就像嘿 Siri 功能。在应用程序中，microphone 始终处于打开状态。它等待用户开始说话，一旦轻量级识别器检测到语音，就会发生其他事情。
我知道这可以非常省电，因为嘿 Siri 是系统范围的功能。但与此同时，我不清楚对电池寿命的影响。我只有轶事数据——例如，如果您的 phone 在您睡觉时不充电，Sleep Cycle 应用程序会消耗 30% 的电量。因此，在这种情况下，麦克风使用 8 小时需要 30% 的电量。但这可能很高，因为他们一直在进行某种睡眠处理？
有没有办法用Instruments什么的做隔离电池测试，或者谁比较了解microphone对电池寿命的影响？谢谢！
在您的情况下，使用 "Hey Siri" 作为比较是不准确的，因为此功能依赖于专门用于优化电源使用的专用 SoC。在您的场景中，您别无选择，只能消耗 CPU 资源，这将导致更高的功耗。
虽然需要进一步测试，但我的假设是您的电量使用最多不会比处于空闲状态的应用程序好（YMMV 基于您的应用程序正在做的其他事情）。
https://machinelearning.apple.com/2017/10/01/hey-siri.html
To avoid running the main processor all day just to listen for the
trigger phrase, the iPhone’s Always On Processor (AOP) (a small,
low-power auxiliary processor, that is, the embedded Motion
Coprocessor) has access to the microphone signal (on 6S and later). We
use a small proportion of the AOP’s limited processing power to run a
detector with a small version of the acoustic model (DNN).
它所指的声学模型是触发短语 "Hey Siri"，它已经过高度优化以检测，再次回到功率和性能考虑因素。
我已经四处寻找了一段时间，但找不到太多相关信息。我有一个 AudioComponentInstance 用于在应用程序内连续记录用户。这不会写入文件，但我在录音回调中做了一些轻处理。这种光处理基本上是一个离线的、轻量级的语音 activity 每 100 毫秒音频数据检测系统。
所以基本上我拥有的就像嘿 Siri 功能。在应用程序中，microphone 始终处于打开状态。它等待用户开始说话，一旦轻量级识别器检测到语音，就会发生其他事情。
我知道这可以非常省电，因为嘿 Siri 是系统范围的功能。但与此同时，我不清楚对电池寿命的影响。我只有轶事数据——例如，如果您的 phone 在您睡觉时不充电，Sleep Cycle 应用程序会消耗 30% 的电量。因此，在这种情况下，麦克风使用 8 小时需要 30% 的电量。但这可能很高，因为他们一直在进行某种睡眠处理？
有没有办法用Instruments什么的做隔离电池测试，或者谁比较了解microphone对电池寿命的影响？谢谢！
在您的情况下，使用 "Hey Siri" 作为比较是不准确的，因为此功能依赖于专门用于优化电源使用的专用 SoC。在您的场景中，您别无选择，只能消耗 CPU 资源，这将导致更高的功耗。
虽然需要进一步测试，但我的假设是您的电量使用最多不会比处于空闲状态的应用程序好（YMMV 基于您的应用程序正在做的其他事情）。
https://machinelearning.apple.com/2017/10/01/hey-siri.html
To avoid running the main processor all day just to listen for the trigger phrase, the iPhone’s Always On Processor (AOP) (a small, low-power auxiliary processor, that is, the embedded Motion Coprocessor) has access to the microphone signal (on 6S and later). We use a small proportion of the AOP’s limited processing power to run a detector with a small version of the acoustic model (DNN).
它所指的声学模型是触发短语 "Hey Siri"，它已经过高度优化以检测，再次回到功率和性能考虑因素。