關於 網路電台音質 ，我們在網路上蒐集到這些相關的討論、資訊與評價

第一次見到孟軒，是在 9m88 的訪問。她面前攤著筆電，好像隨時在回信，而我面前攤著檸檬塔，看起來就一副很不會工作的樣子。（後來學到，如果你想看起來很會工作，千萬不要點檸檬塔。要點鹹貝果或者有一層是蔬菜的三明治。然後把它們放在筆電旁邊。）
⠀
⠀
每隔幾週，辦公室就會收到孟軒的公司子皿寄來的新專輯，而且總是兩份，一份給我一份給涵。使我感覺不只孟軒，而是她整間公司的人都很會工作。在職業中，總會有那種定時定量捎來新訊的單位，讓你感覺自己安篤地被編織在圈子裡，像河流不因河道上石子的更迭而停止。子皿是河，我的信箱是石子。如果河不是這樣經過，石子便感覺不到自己身在河中 —— 認識孟軒之後，她們與我在我心中大概是這樣的關係。
⠀
⠀
所以，當我的私人信箱收到孟軒的來信，我有一種變成河的心情。
⠀
⠀
⠀
⠀
第一次見到宇寒⋯⋯呃其實我到現在還沒有實體見過宇寒。但第一次在我的圓裡感覺到她在，是四月在專頁上分享珂拉琪的訪問。寫到她與阿爆的創作帶給我的思考，衍伸到訪珂拉琪時的問題意識。大約在那篇貼文的分享與心情數都不再增加的某天，宇寒按了它讚，大概是「我看到了」的意思。
⠀
⠀
孟軒在信裡說，宇寒的新專輯正在尋找文案，而她想到你。我們約在某天下班後視訊，我穿著襯衫而她們穿 T 恤，使我看起來又更不會工作了。（後來學到，如果你想要看起來很會工作，那你千萬要很會下班。最好在七點半左右發個在餐廳或酒吧的動態。不要和上班一樣的打扮。）
⠀
⠀
我問宇寒為什麼想到我，她說那則動態真的碰到了她。「有些人看見用母語寫歌，就會停在這一點。但你繼續往下。」筆電前我有點慚愧，知道自己常只是一直問問題，然後在遇見答案前就不小心停止。最傷人的鍬子是沒有挖到底就已經心滿意足的鍬子，彷彿所有斲傷都沒有目的來賦予意義。我沒料到這次挖鑿迎來的意義是鑿開我和宇寒遇見的那個縫隙。
⠀
⠀
⠀
⠀
接下為這張新專輯《虛空現下》的文案撰寫，我的第一份稿子被退，但頗有所得。第一份稿子，我想像自己是早年台壓日本專輯隨歌詞本附上的導聆小冊，在主持音樂節目的電台 DJ 用老成口吻，寫一首 2001 年的歌如何讓他想起一首 1988 年的歌。我想我大概被少年時聽那些唱片的經驗召喚，下意識走向一個在暗中持手電筒的位置。
⠀
⠀
這不是宇寒要的。
⠀
⠀
收到退件後，她們告訴我，我可以更試著代入創作者的背景。那是我在第一次嘗試時避免自己去做的、套進第一人稱的位置。但其實，我早就一直在做這件事了：收到事件，飾演角色，那就是《一千七百種靠近》裡的罐頭們啊。
⠀
⠀
孟軒傳訊息來，說二稿她們讀到哭。其實她們有好多人，有子皿的另一個孟小孟，晏榕，宇寒自己。不知道是誰哭了，很想知道但沒有問。
⠀
⠀
總覺得，只有很不會工作的人才會問這個問題吧。
⠀
⠀
⠀
⠀
我真的問出口的問題，是我可不可以分享這次的寫作。畢竟，隨著專輯文案發送給各媒體，情理上編輯們會預設這些文字是作為歌手與整個團隊的發言，不再只屬於我。但我實在太喜歡這一次合作了。
⠀
⠀
孟軒很快回信，說當然沒問題啊，很期待。
⠀
⠀
我有一種被河好好地帶到海裡的心情。
⠀
⠀
宇寒的《虛空現下》，已經在九月發行了。這陣子點開相關新聞，總覺得很有趣，看見自己寫下的話語被放在博客來和誠品，YouTube MV 下的資訊欄，StreetVoice 的專輯說明，或者在新聞稿裡作為宇寒的發言。這難道就是九頭蛇成功滲透半個神盾局的感覺嗎？
⠀
⠀
有沒有一種到處都是蕭詒徽寫的東西的感覺呢。
⠀
⠀
Hail Hydra.
⠀
⠀
我想孟軒可能會期待我推薦這張作品的音樂。但，我對這張專輯的思考，已經全部都寫在文案裡了。
⠀
⠀
應該說，早在我聽完試聽帶、決定接下這份工作的時候，我就已經確定這不會只是工作而已，它將是我真正的想法，縱然無人知曉。
⠀
⠀
其實，我好像很少把工作只當成工作而已。這樣到底是很會工作還是很不會工作？
⠀
⠀
⠀
⠀
⠀
⠀
黃宇寒 Han 創作專輯《虛空現下》
2021 Sep. 全球上架 ➤➤ https://linktr.ee/ReturnToReality_han
⠀
⠀
我們記得在台上清澈地抱著吉他的黃宇寒，記得她以瀲灩嗓音把客語唱成各種曲風的晴天；所幸的是在第一張專輯將語言意識帶進作品並獲得注目之後，她自己隱隱也意識到大家記得的是她唱客語的歌，而非她的客語歌唱的是什麼。同樣懷著衝撞母語歌曲既定印象的企圖，《有時有日》裡她選擇在明亮的中高音域上讓大家知道她能將作品詮釋得清晰強壯，《虛空現下》則進一步正視母語歌曲入流行樂被迫多跨的一道起跑線：在確定自己能和強勢語言「做到一樣」之後，隨之要找出自己「之所以不同」的核心。
⠀
這兩年，她目睹了網路霸凌對自己所仰慕者的傷害，從一開始的激越憤怒，到無法獲得回應的無邊沉寂，在惡意與悲傷的黑洞邊緣，她訴說一道抵抗情緒引力的心靈運動軌跡。隨著曲序的推衍，新專輯以頗具爆發力的搖滾聲響揭序，一路從對鄉民語言攻擊的奮力質問，來到對已逝之人的深情憑弔，依照時序攤開面對悲劇的歷程，既是黃宇寒對自己止痛的呼告，也召喚所有為此感到無力者的共鳴。
⠀
新作中自疑、對社群世代被過度注視處境的提問，都蘊含當代生活的問題意識。一切恰如她依舊選擇把客語放進主流曲風的原因，是意識到母語使用者的生命場景，已經與傳統客家歌謠生發的所在不同。講客語的人也滑 IG，也有厭世代，也要面對社群時代的創傷。製作上，放下吉他的黃宇寒與四位樂手以創作營模式共同創作，彼此即時以樂句來往切磋，也完成了不同於第一張作品的 band sound 印象。她說，習慣自寫自唱的自己總被團員現場丟出的點子嚇到，深怕自己反應不及。
⠀
其實，在新專輯裡嚇到我們的是她。
⠀
⠀
⠀
▍現下 Living in the moment
https://youtu.be/0r_JRXOeu8Q
⠀
你有沒有算過，自己一天變成別人幾次？
⠀
不再有誰只擁有一張臉了。這個時代我們不得不花時間重新整理每一個自己，穿脫帳號如此容易，幾乎是一種無限試穿的權力。我們樂於、但也因而忽略試穿時的我們往往並不覺得那些衣服屬於自己，不知不覺，鏡子裡的你擺出不是你的表情也變得沒有關係。
⠀
該如何抵抗，擁有許多臉的每個人所醞釀的、沒有臉的惡意？黃宇寒從憤怒到詰問、再從共情回到對真實的思索 —— 我們都聽過無數次「把握當下」，卻不一定明白把握當下真正的意思，是對自己專心。
⠀
你多久沒有對自己專心？睽違兩年，黃宇寒帶來新專輯第一首歌，也帶著她對音樂的新理解，讓人跟著她的聲音輕輕想起：真誠從來不是為了別人，而是為了自己。
⠀
對別人誠實，是一種美德。對自己誠實是一種自由。
⠀
⠀
⠀
▍社會現象 Social phenomenon
https://youtu.be/ox160KcTIZk
⠀
我們僅只是由我們的言語所構成的嗎？沒有人會同意。然而社群上位十五年，發表意見的成本與意見的殺傷力早不再對等，留言的重量輕得只剩一個 ENTER 鍵，每個人都像拿著手槍的嬰兒。
⠀
可怕的是，嬰兒不會知道自己是嬰兒。人們以為輕易批評的代價是由別人支付，然而，殘酷的話語總是在製造更殘酷的話語，受傷的人總是在製造傷得更重的人。你隨意傷害別人的時候，製造了一個總有一天也會隨意傷害你的世界。
⠀
以沉鬱密集的低音撥弦開場，銜接主歌偏執的壓抑，黃宇寒一反輕柔印象，以滿溢力量的搖滾編曲作為一種提醒。我們都想成為最正確的人，卻常常因此忘記對方是一個人，這首歌向每一個人宣示：你的正確並不賦予你傷害別人的權力。
⠀
⠀
⠀
▍下夜 Midnight
⠀
乍聽是最接近黃宇寒本色的民謠表達，〈下夜〉的主旋律在副歌隱隱與和弦拉鋸，靜靜抵達更為淒美的抒情。歌詞中描繪失眠情狀，指向新專輯在創作主題上面對的兩種巨大失語：個人之於整個社會無力改變的失語，以及生者與亡者之間、縱然千字萬句也沒有回聲的失語。面對巨大的靜默，她並不亟於立刻得到答案，也對每一個在深夜裡遲疑的人說：你並不需要為選擇等待感到懷疑。
⠀
與自己交談所花費的時間，永遠不是浪費。歌曲中段加入第二把吉他與第一把平靜地交談，法國號的聲響也為這份孤獨披上外套，黃宇寒吟詠傾訴的歌聲睡在她自己編寫的穩定和聲中，讓聽見的人慢下來，也告訴我們，緩慢並不等於不會抵達。
⠀
⠀
⠀
▍虛空 Fake
⠀
在網路上，你有百分之幾是自己？為什麼在這裡，你覺得你不完全是你也沒有關係？我們以為自己懂得虛擬世界的真真假假，漸漸學會披掛武裝登入上線，卻沒有意識到這一切領悟的可怕之處，是讓你自己也變成假的。
⠀
⠀
⠀
▍係無？ Isn't it？
⠀
憂傷的是，我們對待比自己幸福的人時總是比較無情，無論他的幸福是否只是我們的想像。在明白傷害別人不是他者的本質之後，更要知道被傷害的對象也並不一定如他看起來那樣強壯。〈係無？〉蒼茫的編曲，建築起發聲求救卻沒有回應的空洞，也呈現當我們預設別人擁有如此遼闊，也許反而成為他們的荒蕪。
⠀
⠀
⠀
▍影戲人 Theatrical
⠀
沒有人真正關心，多半只是好奇。歷經前三曲對他人的思索，黃宇寒將目光拉回自己：身為公眾目光下的表演者，那些注視是真的想要了解，還是因為被娛樂而暫時停留？輕巧曲風，是面對自己或許僅是丑角的苦中做戲 —— 至少，自己的悲劇可能是別人的喜劇。
⠀
⠀
⠀
▍太陽系 Solar system
⠀
太陽給人強大的錯覺，彷彿發光發熱是理所當然。事實上每一種燃燒都是交易，太陽消耗自己的身體換成別人的光，卻因為太過耀眼而讓人忽略它的寂寞。日系搖滾聲響中，黃宇寒發揮她在高音域的清朗音質，化作對自己身邊每一顆太陽的呼告：我知道你的孤單，無論你有多明亮。
⠀
⠀
⠀
▍和天空問好 How are you？
⠀
那人已經永遠離開，不會再有任何回答。然而，就算最初沒有回應的這件事延長了我們的悲傷，漸漸的這一點卻反而變成一種慰藉，所有無聲的事物彷彿都藏有他的回答：花是他，天空是他，所有不會說話的東西都像他。因為與離去的人相像，所以我們願意對沒有生命的它們說話，於是一個人死了，世上其他東西卻活過來了。
⠀
⠀
⠀
▍夢 Dreaming of you
⠀
身邊的人選擇永遠離開，我們總覺得自己是被悲劇所剩下的那一方。但對離開的人而言，他們也一樣被悲劇所剩下，也在天空另一端嘗試碰觸我們的心。鍵盤使用空間感強烈的音色、減少配器數量，〈夢〉從離去者的角度發聲，將來不及傳達的話語寄託於夢中：我現在過得很好，唯一的願望是你也一樣。
⠀
⠀
⠀
▍繼續走吧 Keep going
⠀
夢的意義，在於給予生者睜開眼睛的力氣。在夢中重逢之後，我們不再被沒有說完的話所滯留，終於可以開始道別。人們總想像道別是一個瞬間，其實每一次道別都是綿延的過程，每往前走一步，只是再見的一點點 —— 但我們要走那每一小步，不只為了讓自己成為下一個自己，也為了讓對方成為下一個對方。
⠀
⠀
⠀
⠀
⠀
⠀
製作 & 發行 & 經紀_ 這哪位音樂工作室
專輯製作人_ 林易祺
專輯創作室_ 節律音樂
A&R 及企劃顧問_ 子 皿 In Utero
A&R 及企劃暨執行_ 這哪位音樂工作室
行銷宣傳_ 子皿
⠀
客語歌詞校正指導_ 邱新春
印尼歌詞用字指導_ 林財強
羅馬拼音翻譯_ 王興寶
文案_ 蕭詒徽
裝禎設計 & 插畫師_ 蔡尚儒
攝影師 & 造型_ 楊景雯
妝髮_ 洪振揚
⠀
發行日期_ 2021 年 9 月 1 日
實體發行代理_ 子皿
數位發行代理_ 派歌

那天晚上，完成了一場美好的線上訪問

美好的專輯設計
美好的創作曲目
真摯的音樂交流！

感謝June Pan
那天下班之後和我視訊連線
克服網路連線的重重難關
架設了高音質的麥克風
讓我們就算不見面
也可以擁有高品質的訪談

在這一小時的對談之中
讓我看見了，聽見了專輯
《25歲的我明天還是要上班》
那些令人驚喜的細節設計

看到創作者如此用心的對待自己的作品
在疫情期間仍然努力拍攝MV
架設網站販售實體專輯

身為主持人的我
不禁深深佩服這樣的毅力！
也打從心底祝福
如此精緻的一張專輯
可以遇到好的知音
被更多的聽眾認識！

———

朋友們！
這是一張摩登且充滿實驗性的作品
請準備好你的耳機與一顆強心臟！
讓June Pan給你全新的音樂體驗！

———

⭐️金融圈斜槓創作新人June Pan
⭐️首張專輯《25歲的我明天還是要上班》
⭐️一小時深度專訪＋現場演出

來⾃台北的城市少⼥
⽤她具吸引⼒的聲線
在舞動感的電氣氛圍中勾出你⼼底的迷幻浪漫。

唱起歌來霸氣⼗⾜的June Pan
講話卻意外溫柔甜美⋯⋯⽽且⾮常慢！
形成⼀種反差萌

曾受邀於覺醒⾳樂祭⼗週年演出
並在Legacy Taipei舉⾏EP發⽚演唱會
當時因著共演契機
也和河仁傑共同創作新歌〈我陪你，接不接受？〉
接連去過賣捌所、⼩地⽅展演空間舉⾏售票演唱會。

2021年夏天正式
發⾏⾸張專輯《25歲的我明天還是要上班》

______

《June Pan 一小時深度專訪｜播出資訊》
《音樂新鮮人節目｜新鮮DJ Jeff》

🔊08/30（一）18:00 首播
🔸FM88.1 世新電台（線上收聽）
🔸音樂新鮮人YouTube（18點影像同步首播）
🔸Spotify 🔸Apple Podcast（19點上架）
🔸SoundOn聲浪 🔸Google Podcast

🌐各大平台搜尋關鍵字：
音樂新鮮人、June Pan 、世新電台

#25歲的我明天還是要上班 #專訪 #電台 #音樂新鮮人

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

跟 #林榮基 老闆聊聊來到台灣後的生活，要去哪裡吃好吃的茶餐廳，跟為什麼書店不賣凍鴛鴦。林老闆還跟我們分享他如何選書，並推薦了一本書給我們。
#銅鑼灣書店 #香港
書店的購書網站：https://causewaybaybooks.net/
FB粉絲專頁：https://m.facebook.com/causewaybaybooks/
IG粉絲專頁：https://www.instagram.com/causewaybaybooks/
銅鑼灣書店訪談活動：
1. 國際橋牌社2-汪怡昕製作人的訪談：https://m.facebook.com/story.php?story_fbid=594821385225337&id=110367067004107&m_entstream_source=timeline
2. 前香港電台節目主持人，現居台灣的曾志豪先生：https://m.facebook.com/story.php?story_fbid=594802801893862&id=110367067004107&m_entstream_source=timeline&__tn__=%2As%2As-R


［SIMURGH x 百靈果獨家限量優惠］
☞SIMURGH SÙ-Si舒仕裝官網連結- https://shop.simurgh.com.tw/SuSi
☞SÙ-Si舒仕裝百靈果專屬折扣碼：［kkshow］，即日起至官網購買舒仕裝系列，輸入獨家折扣碼就現折300喔！
☞SIMURGH粉絲團- https://www.facebook.com/simurgh.tw/ 比你想得更舒適，SIMURGH舒仕裝。

=======================

／追蹤 IG 看教主ㄎㄧㄤ日常：https://instagram.com/bailingguo_news
／到 FB 看每日新聞觀點：https://www.facebook.com/puppydailynews
／想要支持我們，看幕後花絮、NG片段，請加入Youtube 會員：
https://www.youtube.com/channel/UCD2KoUc0f4Bv2Bz0mbOah8g/join

【每週二、四、日晚上 9 點更新】
歡迎來到百靈果News
這裏是華語界最自由的雙語國際新聞
Welcome to Bailingguo News
The FREEst International News Podcast in the Chinese Speaking World

我們把高音質的檔案放在其他網路平台，歡迎大家訂閱

【百靈果News的Podcast】
Apple：https://reurl.cc/N6V976
Spotify：https://reurl.cc/14yqRX
Google：https://reurl.cc/Y6ypxD
KKBOX：https://reurl.cc/k0D29x

#TaiwanPodcast #PodcastStudio

HomePod mini購買前必須要先確認好家裡的環境與使用情境是否有符合以下規格，以免發生完全不能用的悲劇。

音訊來源：
Apple Music
購自 iTunes 的音樂內容
iCloud 音樂資料庫，須配合訂閱 Apple Music 或 iTunes Match 服務
第三方音樂服務
Apple Music 廣播或隨選節目
TuneIn、iHeartRadio 和 Radio.com 的廣播電台
Apple Podcast
使用 AirPlay 在 HomePod mini 播放 iPhone、iPad、iPod touch、Apple TV 或 Mac 上的其他內容

系統需求：
搭載最新版本軟體的 HomePod mini
搭載最新版本 iOS 的 iPhone SE、iPhone 6s 或後續機型，或 iPod touch (第 7 代)；或搭載最新版本 iPadOS 的 iPad Pro、iPad (第 5 代或後續機型)、iPad Air 2 或後續機型，或 iPad mini 4 或後續機型
802.11n Wi-Fi 網際網路連線
(以上資訊來自蘋果官網)
---------------------------------------------
欸走的 IG: @edzyl_gu
欸走穿的衣服:https://shopee.tw/edzylgu

▌建議開啟 #4K 畫質 達到高品質觀影享受

不要錯過啦！http://bit.ly/2lAHWB4

阿嬤曾經說過：那個年代誰家會有電視？！有台收音機就樂得大家圍在一起聽廣播了......

大家都拿著手機低頭滑呀滑，以前一家子窩在一起的溫度似乎也隨之流逝。
不過定點新聞、說書電台、賣藥廣告，到近期的流行 DJ，甚至是 Podcast。
每個人的一生中，或多或少都有聽過廣播 RADIO 吧？

儘管山進 WR-16 復古收音機，仍需要有線供電，藍牙編碼只有 SBC，但它復古的外觀和偏暖的音質也讓人聽了就像坐上時光機回到被遺忘的時光。

那麼就讓伊森帶大家乘著時光機，透過滿滿情懷的山進收音機重溫 RADIO 的美好吧。


::: 章節列表 :::
0:46 外觀規格
2:53 音質體驗
5:08 不只是廣播
6:42 最後總結


::: SANGEAN WR-16 規格 :::
外觀材質：MDF 中纖板+胡桃木材質
無線支援：Bluetooth 4.1 / SBC 編碼
輸入端子：3.5mm AUX-in
輸出端子：Rec Out / Stereo Out
喇叭單體：3 吋 10W 全音域
低音強化：動態重低音強化功能 DBB
訊號收聽：二波段 FM/AM 細緻準確選台結構
啟用電源 ：DC 12V-1A / AC 120V-25W
NFC 支援：Yes
數位聲音廣播 DAB： No
USB：電力輸出 5V-1A
商品產地：中國
保固登錄：一年
建議售價：NT$4,300





--------------------------------------
#山進 #SANGEAN #WR16 #DDR66BT #收音機 #藍牙 #Spotify #廣播 #NFC

📖 Facebook：https://www.facebook.com/3cdog/
📖 Instagram：https://www.instagram.com/3c_dog/
📖 官方網站：https://3cdogs.com/
📖 回血賣場：https://shopee.tw/3cdog

▋ 有任何問題都來這邊找我們：3cdogs@gmail.com