Why Your Phone Can't Be a Karaoke Mic

我不太唱歌。前陣子在 KTV 包廂裡，沒在唱歌的我，腦中冒出一個典型的「旁觀者才會有」的念頭：為什麼一定要有專門的麥克風？在場的每個人手上都已經有一支手機了，對著手機講話不就好了？

這個構想

構想很簡單。手機上的一個 App，連接到 KTV 音響，把你的聲音放大出來。我當時以為自己找到了一個乾淨俐落的產品構想。直到我認真想了一下聲音到底是怎麼從手機傳到音響的，這個構想就開始瓦解了——而瓦解的過程，反而比構想本身更有意思。

唯一重要的數字：延遲

整件事其實只取決於一個數字：延遲。如果你講話跟音響播放出來之間有時間差，你就會聽到自己的聲音出現兩次——一次在現場，一次從音響延遲傳來——這會嚴重干擾你講話的能力，更別說唱歌了。只要延遲控制在大約 30 毫秒以內，大腦就不太會察覺。一旦超過這個數字，感覺就會像在講一通品質很差的電話。

常見的傳輸方式沒有一個是為此設計的

所以我把手機能把聲音傳到音響的各種方式都想了一遍，結果發現沒有一個是為這個用途而生的。

藍牙是最直覺的第一選擇，結果卻是最糟的一個。藍牙音訊協定的設計初衷，是讓手機把聲音送到耳機，或是從耳機麥克風接收聲音——並不是要把即時麥克風訊號當作訊源，串流到外部音響。就算技術上能運作，編碼與緩衝也會額外增加 150-300 毫秒的延遲。你聽到的會是徹底的回音。

AirPlay 和 Chromecast 更糟。它們是為媒體播放而設計的，也就是說為了跟影片同步，會做非常積極的緩衝——延遲高達 1-2 秒。對任何現場即時的用途來說，這根本行不通。

Wi-Fi 搭配一個自製的接收端 App，表現會好一些——依實作方式不同，延遲大約在 50 到 300 毫秒之間。還是感覺得出來、還是不太對，但至少落在「如果不介意的話還算堪用」的範圍裡。

有線連接是唯一真正表現良好的方案。USB-C 輸出、數位訊號，延遲 5-20 毫秒。這是唯一一條感覺起來像真正麥克風的路。也就是說，「只是一個 App」的構想，悄悄變成了「一個 App，加一條線，再加上想辦法讓這條線接到房間另一頭的 KTV 音響」。

手機本身也是問題的一部分

就算是有線連接，手機本身依然是個隱患。透過手機自身的麥克風收音，代表訊號在傳出去之前，必須先經過作業系統的音訊堆疊——緩衝、多層處理、再緩衝。iOS 在這方面控制得還算緊湊，大約 10-15 毫秒。Android 則不太一致，依裝置不同，從 20 毫秒到 100 毫秒以上都有可能，因為大多數 App 根本沒有去使用系統其實已經提供的低延遲音訊路徑。也就是說，同一個 App 在 iPhone 跟舊款 Android 裝置上的表現可能天差地遠，而這不是單靠軟體端能完全解決的問題。

為什麼真正的無線麥克風不用藍牙或 Wi-Fi

這也正是為什麼真正的無線麥克風完全不使用藍牙或 Wi-Fi。它們用的是專屬的點對點 2.4GHz 無線電連結——沒有協定開銷、不需要協商，音訊訊框直接從發射端飛到接收端。總延遲大約只有 4-8 毫秒。這其實是一個已經被解決的問題——只是手機內建的功能都沒有解決它。

回顧

而這正是讓「只做一個 App」這個版本的構想，在我心裡徹底死掉的原因。要讓這件事真正做得好，你就不再是在做軟體，而是在做硬體：發射端、接收端、無線電連結。到了那個地步，你做的就不再是一個把手機變成麥克風的 App——你做出來的其實是一支無線麥克風，只是剛好讓手機拿來當設定選單用。手機變成了遙控器，而不是麥克風本身。這是完全不同的產品，不同的定價，也是完全不同的提案。

所以這個構想並沒有消失，只是不再是我一開始在 KTV 包廂裡想到的那個樣子。「大家口袋裡本來就有麥克風」這句話沒錯，但也毫不重要，因為讓麥克風好用的關鍵，從來就不是那個收音頭——而是從你的嘴到音響之間的那幾毫秒，而手機從一開始就不是為了在這件特定的事情上追求速度而設計的。

EGON