来源：notes/sources/dg_audio_loopback/measurements.md

dg X5 麦克风/耳机链路实测记录（2026-09-20）

设备：D-Robotics RDK X5（dg，root@10.71.48.154），Ubuntu 22.04，内核 6.1.83，8×aarch64，3GB RAM 声卡：ES8326（i2c 7-0018，I2S0），单声卡 duplex-audio，唯一 PCM hw:0,0（播放/录音共用）

1. 支持的采样率（arecord -D hw:0,0，看 dmesg 是否报错）

根因：MCLK 固定（时钟树 dsp_i2s0_mclk = 24545455 Hz，即 24.576MHz 档），ES8326 驱动 get_coeff(mclk, rate) 要求 MCLK 精确命中系数表。44100 对应表项只有 2822400 / 5644800 / 11289600 / 22579200，24545455 命中不了 → 返回 -EINVAL → 驱动打印告警并跳过写 CLK_DIV1/2、CLK_DLL、CLK_MUX、ADC/DAC_SEL、OSR 等 8 个分频寄存器， codec 保持上一次（48000）的系数。

读回寄存器证实：48k 播放后 04=e0 05=00 06=00 07=2d 08=48 09=08 0a=1f 0b=1f， 正是表中 {512, 48000, 24576000, ...} 那一行。

2. 变调实测（声学回环：喇叭放音 → 麦克风录回）

结论：绕开 PulseAudio 直接用 hw:0,0 播 44.1k 素材会升高约 8.84%（≈1.5 个半音）。 走 PulseAudio（aplay -D default）时 PA 会重采样到 48k，44.1k 和 48k 素材回录都是准确的 440 Hz。

3. Mixer 关键寄存器（原始值）

• DAC 与 HPL 是同一个寄存器 ES8326_DACL_VOL，改一个另一个跟着变。
• HPVol SPKVol Switch=0 时左右耳机音量都取 HPL，HPR=191 实际不生效； 因此耳机输出被压在 -20 dB，想要满幅需把 HPL 提到 191。
• 可用增益余量：ADC PGA 0→5（每级 6 dB，最多 +30 dB）、ADC PGA Gain 8→10（+6 dB）、 ADC Capture 191→255（+32 dB）。

4. 麦克风体检

增益实验：ADC PGA 0→5（+30 dB）后整体电平 -47.3 → -17.1 dBFS（正好 +30 dB）， 300–3400 Hz 频谱平坦度 0.264 → 0.226（几乎不变）→ 并没有隐藏的语音被挖出来。

5. 人声判定（关键，第一次判错了）

判据：短时自相关基频强度（40 ms 帧，lag 对应 70–350 Hz），> 0.3 视为浊音。

窄带语谱图（FFT 1024 @ 8 kHz，7.8 Hz/bin）里 mic_take2.wav 低频段出现清晰谐波横条， 且横条随语调上下摆动 —— 浊音特征。mic_take.wav 只有零星几小段。

教训：低电平人声（峰值仅 -53.9 dBFS，比底噪高 10–20 dB）不能靠电平/频段能量阈值判断， 必须用周期性/谐波性判据，否则会误判成”只有底噪”。

频谱分布：能量集中在 800 Hz 以下，1.5 kHz 以上很弱 → 擦音/辅音基本丢失， 这会明显拉低 ASR 准确率。

6. 回放程序实测

• 3 秒冒烟：RMS -41.2 dBFS，削波 20（均为起始瞬态），回放成功
• 10 秒正式：RMS -43.0 dBFS，退出码 0
• 10 秒正式（mic_take2.wav，输出临时拉满 HPL=191）：RMS -45.3 dBFS，退出码 0

7. 转写环境核查（未跑完）

可用 aarch64 wheel：faster-whisper 1.2.1、ctranslate2 4.8.2、onnxruntime 1.23.2、vosk 0.3.45。 pip3 install faster-whisper 执行中被关机打断，未产出任何转写文本。