有些风扇明明声音不算大，却让人觉得刺耳、嗡嗡响、听久了烦躁；有些风扇即使持续运转，反而不太容易被注意到。这种差异并不只由“分贝”决定，还与声音的频率分布、纯音成分、响度、尖锐度、粗糙度和波动感有关。本文以风扇转动声为例，介绍如何借助 OpenTest 的声品质分析功能，把这些主观听感转化为更清晰、可对比的数据。 我们评价风扇声音时，最容易想到的是“吵不吵”。但在真实体验中，“吵”和“烦”并不是一回事。 有些风扇声压级不高，却会让人一直注意到它；有些声音虽然能量不小，但因为比较平稳、低频分布更自然，反而不会明显打扰人。也就是说，用户真正感受到的并不只是声音大小，而是声音整体带来的听觉印象。 图1_办公桌面中的风扇运行场景：声音不一定很大，但可能持续影响听感 这正是声品质分析关注的问题：声音不仅可以被测量为多少 dB，还可以从“听起来响不响、尖不尖、粗不粗、稳不稳定、有没有明显啸叫”等角度进一步区分。 响度：分贝接近，听起来也可能不一样 声压级描述的是声音能量，但人耳对不同频率的敏感度并不相同。两台风扇的 SPL 或 A 计权声级可能接近，但如果其中一台的声音能量集中在人耳更敏感的频段，听起来就可能更明显、更突出。 因此，响度比单纯声压级更接近人对“声音大小”的主观感受。对于风扇这类持续运行的背景声，响度可以帮助解释：为什么有些风扇从数据上看不算特别大声，但人却觉得它一直存在。 图2_OpenTest 声压级与响度结果对比：分贝接近时，主观响度仍可能不同 尖锐度：高频成分会让声音更刺耳 很多人觉得风扇声“尖”“刺耳”，往往与高频成分有关。 当风扇电机、轴承、叶片气流或结构件产生较明显的高频成分时，声音会更容易被人耳捕捉。即使整体声压级没有明显升高，这种高频突出也会让人觉得声音更锋利、更不舒服。 声品质分析中的尖锐度可以用于描述这种听感差异。尖锐度较高的风扇声，通常更容易带来疲劳感，也更容易被用户评价为“吵”“烦”或“不高级”。 图3_OpenTest 尖锐度分析：识别见间歇性/周期性高频尖锐声，风扇声更容易产生刺耳感 纯音感：那个一直存在的“嗡声”或“哨声” 风扇转动声中，最容易引起注意的往往不是宽频背景噪声，而是某个突出的频率成分。 例如风扇叶片周期性切割气流，会形成与转速和叶片数量相关的叶片通过频率，也就是 BPF。电机控制、轴承状态或结构共振，也可能在频谱上表现为明显峰值。这类突出频率如果落在人耳敏感范围内，就会形成“嗡嗡声”“哨声”或“啸叫感”。 这类声音有一个特点：它不一定很大，但很难忽略。这也是为什么有些风扇听起来不是单纯的“风声”，而像是多了一条固定音调的声音。 粗糙度：声音不平滑，也会让人烦躁 有些风扇声音听起来不是尖，而是“毛”“糙”“不顺”。这种感受通常与声音中的快速起伏或调制变化有关。 当气流扰动、电机控制或结构振动让声音幅值快速变化时，人耳会感受到一种不平滑的粗糙感。声品质分析中的粗糙度，正是用于描述这类听感特征。 粗糙度较高的声音不一定特别响，但会让人感觉不稳定、不干净，长时间听更容易产生烦躁。 图4_OpenTest 粗糙度分析：通过粗糙度观察声音是否平滑、稳定 波动度：持续起伏的声音更容易被注意 还有一种常见情况是：风扇声音不是一直尖锐，也不是一直很响，但它会有规律地起伏，比如“呼噜呼噜”“忽大忽小”或低频周期性波动。 这类较慢的声音变化会带来明显的波动感。对于办公室、卧室、车内或安静工作环境来说，波动的声音比稳定的背景声更容易吸引注意力。 声品质分析中的波动度，可以帮助描述这种随时间变化的听感。如果一台风扇声音本身不大，但波动感明显，用户仍然可能觉得它很烦。 图5_OpenTest 波动度分析：观察风扇声音随时间变化的波动特征 OpenTest：把主观听感转化为可分析的数据 风扇声品质分析的价值，不是简单判断声音大不大，而是帮助我们理解：为什么不同风扇会带来不同听感。 通过 OpenTest 的声品质功能，用户可以结合声压级、频谱、倍频程、时频图以及响度、尖锐度、粗糙度、波动度等声品质指标，对风扇声音进行更细致的观察和对比。这样，“刺耳”“嗡嗡”“粗糙”“烦躁”这类主观感受，就可以对应到更具体的数据特征。 对于产品研发和质量控制来说，这意味着风扇声音不再只是凭感觉评价。不同样品、不同结构、不同转速、不同安装方式带来的听感差异，都可以通过数据进行对比，为后续优化提供依据。 结语 有些风扇声让人烦躁，并不一定是因为分贝特别高，而是因为声音中存在更容易被人耳感知的高频成分、纯音峰值、粗糙感或周期性波动。 声品质分析让我们看到：原来“听起来不舒服”背后，也有很多可以被区分和量化的指标。OpenTest 正是帮助用户把这些听感差异转化为数据，让产品声音评价从“主观感受”进一步走向“可分析、可对比、可优化”。 免费版 OpenTest 可通过 OpenTest 官方网站下载使用。如需了解 OpenTest 声品质分析、声学测试或异常音检测解决方案，欢迎联系 CRYSOUND 团队：0571-88225198。

在电机、耳机、扬声器和整机产品测试中，异常音往往并不是一个简单的声压级超限问题。很多早期缺陷会表现为轻微的摩擦声、啸叫声、杂音、异响或频谱结构变化，传统电声测试和人工听检很难在大规模测试中长期保持一致。本文以TWS 耳机 AI 听音测试为例，介绍如何使用 OpenTest 序列模式串联采集、信号分析、AI 分析、Pass/Fail 判断和结果输出，将异常音检测配置为可重复执行的自动化测试流程。 在耳机、电机和整机产品的研发验证与产线测试中，异常音检测一直是一个典型难题。 以 TWS 耳机为例，当前常见测试方式通常包括两部分：先进行传统电声测试，再由人工听音测试站判断是否存在异响。传统电声测试可以覆盖频响、失真、底噪等基础指标，人工听音则用于识别杂音、刮擦声、碰圈、漏气、底噪异常等更接近听感的问题。 但在实际产线中，人工听音存在明显局限。不同人员对异常声音的敏感度和判断标准不同，同一人员在不同时间也可能受到疲劳、环境和经验影响。对于轻微、间歇性或复杂的异常声音，人工测试很难做到长期稳定一致；同时，人工听音依赖人力资源，在大规模生产环境中也不容易扩展。 OpenTest 的序列模式与 AI 分析能力，正是面向这类场景提供一种更标准化的实现路径。工程师可以将产品连接、声音播放、声信号采集、数据分析、AI 判断、结果保存和报告输出等步骤配置为标准测试序列，让异常音检测从“人工主观判断”逐步转向“标准流程 + 数据分析 + Pass/Fail 判断”。 异常音检测：传统时域和频域判断并不总是有效 异常音检测的难点在于，异常并不一定会表现为某个单一指标明显超限。 在 TWS 耳机测试中，某些异常样品在常规频域曲线上可能与良品高度重合，无法通过简单的上下限框线区分；有些瞬态异响在时域波形中也不一定形成稳定可见的差异。也就是说，即使工程师已经完成了频谱分析或波形观察，仍可能出现“良品和不良品曲线看起来很接近，但实际听感存在差异”的情况。 类似问题也会出现在电机、风扇、压缩机和扬声器测试中。轴承异常、轻微摩擦、电磁噪声、结构松动或瞬态杂音，往往只在特定工况、特定频段或短时间窗口中出现。如果只依赖固定阈值或人工听感，既可能漏检早期异常，也可能因为人员判断差异导致误判。 因此，异常音检测更适合被看作一个完整流程：先在稳定测试条件下采集声音，再通过信号分析提取时域、频域或时频特征，最后由 AI 分析辅助完成 Pass/Fail 判断。 图1_传统电声测试无法识别的异常 测试搭建：构建稳定的 AI 听音测试链路 以 TWS 耳机 AI 听音测试为例，测试系统通常需要完成产品连接、音频播放、声信号采集和数据分析。 在测试过程中，产品放入测试工装或屏蔽隔音箱中，通过蓝牙适配器连接耳机，并控制耳机播放指定声源。耳机播放声音后，由人工耳或声学耦合器采集声信号，再通过采集设备转换为可分析的音频数据。随后，OpenTest 对采集到的 wav 文件或测试数据进行信号分析和 AI 分析，并输出 Pass/Fail 结果。 这一流程的关键在于测试条件稳定。对于 AI 异常音检测来说，模型判断的前提是输入数据具有可比性。因此，声源、播放方式、采集通道、采样参数、工装位置、测试环境和数据处理流程都需要保持一致。只有前端测试链路足够稳定，后端 AI 分析的结果才更可靠。 序列模式：将 AI 听音流程配置为自动化任务 在 OpenTest 中，工程师可以使用序列模式将异常音检测流程配置为一套标准测试任务。以 TWS 耳机为例，一个完整的 AI 听音测试序列可以包括： 产品扫码或读取样品信息 控制屏蔽箱或测试工装 连接蓝牙耳机 控制产品播放指定声源 采集信号 执行频谱、异音分析及AI分析 输出 Pass/Fail 判断 保存测试数据并上传MES系统 通过序列模式，测试人员不需要每次手动切换模块、重复连接设备或逐步执行分析。只要测试流程经过验证，就可以在研发验证、样品筛查或产线测试中重复使用，减少人为操作差异。 对于产线场景，这一点尤其重要。AI 听音测试不仅要能判断某一个样品，还要能在批量测试中保持稳定节拍和一致输出。通过序列模式，OpenTest 可以把“连接 - 播放 - 采集 - 分析 - 判断 - 保存”串联成标准化流程，为后续自动化测试和产线管理打下基础。 图2_OpenTest 序列模式配置 AI 异常音检测流程 AI 分析：基于时频图谱重建识别异常声音 在异常音检测中，AI 分析的核心价值并不是简单替代上下限判断，而是从声音数据中识别传统时域或频域框线难以区分的异常特征。 以 TWS 耳机 AI 异音算法为例，算法可以将原始测试录音转换为时频图谱。原始录音中同时包含正常声音特征和可能存在的异常特征。模型基于正常产品数据进行训练后，可以对时频图谱进行重建：正常部分能够被较好恢复，而异常特征在重建过程中会被削弱或消失。 随后，系统可以比较原始时频图谱与重建时频图谱之间的差异，并结合时间轴、频率轴等特征指标进行判断。对于良品，原始图谱和重建图谱之间的差异较小；对于存在异常音的不良品，异常特征会导致差异更加明显。基于这种差异，AI 分析可以输出 Pass/Fail 判断。 这种方法适合处理传统框线判断难以覆盖的异常声音，例如瞬态杂音、刮擦异音、底噪异常、碰圈、漏气或局部频段异常。对于电机异常音检测，也可以参考类似思路，将运行声音转换为可分析的时频特征，用于辅助判断摩擦、轴承异常、周期性异响或电磁噪声异常。 图3_AI 分析通过重建时频图谱识别异常声音 从人工听音到 AI 判断：提升一致性和可扩展性 人工听音的优势在于直观，但它很难在大规模产线中保持长期一致。不同测试人员对“异常”的边界理解不同，复杂或轻微异响也容易受到经验差异影响。 AI 听音测试的价值在于，它可以把样本经验转化为可复用的模型判断。工程师可以通过收集良品数据建立模型，再在后续测试中由 AI 分析步骤对样品进行 Pass/Fail 判断。这样既能保留历史样本中的声音特征经验，也能让判断过程更加标准化。 对于研发团队来说，这有助于沉淀不同样品、不同结构和不同缺陷类型的数据经验；对于生产团队来说，则可以减少人工听音站的主观差异，提升测试流程的可扩展性。 需要强调的是，AI 分析并不是脱离工程判断独立存在。工程师仍然可以结合原始音频、时域波形、频谱曲线、时频图谱和 AI 输出结果进行复核。当出现异常样品时，也可以回溯对应数据，用于缺陷定位和工艺改进。 图4_OpenTest AI 分析输出异常音 Pass/Fail 判断 结果输出：让异常判断可追溯 在研发验证和生产测试中，异常音检测结果不仅要判断“通过”或“不通过”，还需要能够复核和追溯。 通过 OpenTest，测试数据、分析结果、AI 判断结果和样品信息可以围绕同一个测试任务进行管理。对于异常样品，工程师可以进一步查看对应的音频文件、频谱结果、时频特征或测试记录，定位异常出现的时间段和频段；对于批量测试结果，也可以用于样品对比、质量追踪和后续工艺优化。 这使异常音检测不再只是依赖测试人员当下的听感，而是形成可复查的数据记录。对于需要持续改进产品声学品质的团队来说，这一点比单次测试结果本身更重要。 图5_OpenTest 自动保存 适用场景：从研发验证到产线筛查 OpenTest 序列模式与 AI 分析可应用于多类异常音检测场景： 电机异常音检测：识别轴承异常、摩擦声、电磁噪声、周期性异响等问题。 耳机异常音检测：识别杂音、刮擦声、碰圈、漏气、底噪异常等问题。 扬声器异常音检测：识别破音、擦圈、装配异常、腔体泄漏等问题。 家电与整机 NVH 测试：识别风扇、电机、压缩机、泵类部件的异常运行声音。 生产下线测试：将稳定流程配置为标准序列，减少人工听检差异。 研发样机对比：对不同结构、材料、装配方案的声音表现进行对比分析。 在这些场景中，OpenTest 的价值不只是完成一次声学测试，而是帮助团队把异常音检测方法沉淀为可复用、可追溯、可扩展的流程。 结语 异常音检测的核心挑战，是在复杂工况和大量样品中稳定识别“不正常”的声音。传统阈值和人工听检仍然有价值，但在重复测试、批量筛查和早期异常识别场景中，团队需要更标准化的流程和更高效的数据分析工具。 通过 OpenTest 序列模式，工程师可以将连接、播放、采集、分析、AI 判断和结果输出配置为标准测试流程；通过 AI 分析，系统可以基于声音特征输出 OK/NG 判断，辅助识别传统时域或频域方法难以稳定区分的异常变化。 对于 TWS 耳机、电机、扬声器和整机产品测试团队来说，这为异常音检测提供了一条更工程化的实现路径：用稳定的测试链路采集数据，用 AI 分析辅助判断，用标准化序列保证流程一致，并用测试记录支撑后续追溯和改进。 免费版 OpenTest 可通过 OpenTest 官方网站下载使用。如需了解 OpenTest 序列模式、AI 分析或异常音检测解决方案，欢迎联系 CRYSOUND 团队：0571-88225198。

本文以有线耳机频率响应与失真测试为例，介绍 OpenTest 如何接入 NI USB-4431 采集卡，并完成从测试搭建、通道配置、信号采集到频响曲线、失真分析、报告生成和序列化测试的完整声学测试流程，帮助团队在保留现有硬件的基础上升级测试软件平台。 在声学与 NVH 测试系统升级过程中，很多团队最关心的问题并不是“新软件能做多少功能”，而是现有采集卡、传感器和测试工装能否继续使用。对于已经部署 NI 采集卡的实验室和工程团队来说，如果升级软件平台就意味着更换硬件、重搭现场和重新验证流程，导入成本会明显增加。 OpenTest 的开放硬件接入能力，为这类场景提供了一种更平滑的升级路径。本次测试以 NI USB-4431 为采集卡，以有线耳机频率响应与失真测试为实际场景，展示如何在保留现有采集硬件的基础上，将声学测试流程接入 OpenTest 平台。 以有线耳机频响及失真测试为例 在耳机研发、验证和质量控制过程中，频率响应与失真是常见的基础声学测试项目。频率响应反映耳机在不同频率下的输出能力，可用于判断低频、中频和高频是否符合设计目标；失真测试则用于观察耳机播放测试信号时是否产生额外谐波成分，从而评估单元、结构或装配状态是否存在异常。 这一测试流程适用于多类耳机声学验证场景： 研发调试：对比不同声学结构、调音方案或样机版本的频响变化。 设计验证：确认耳机输出是否达到目标曲线或内部测试限值。 样品评估：快速判断不同样品或不同批次之间是否存在明显差异。 生产抽检：在实验室或产线环境中复核耳机频响和失真表现。 故障分析：定位偏音、低频不足、高频异常、失真升高等问题。 在实际测试中，工程师可将有线耳机放入人工耳或声学耦合器中，通过播放扫频信号采集耳机输出，再由 OpenTest 对采集数据进行频率响应和失真分析。 测试现场：保留现有硬件链路 图1_OpenTest 接入 NI USB-4431 进行有线耳机声学测试 图2_在 OpenTest 中配置 NI USB-4431 采集通道 测试开始前，工程师需要在 OpenTest 中完成设备识别和通道配置。根据测试链路设置输入通道、采样参数、通道名称和校准信息，使采集信号能够正确对应到耳机输出结果。对于已有测试系统来说，这一步的价值在于：硬件链路可以继续沿用，测试配置和数据分析则进入 OpenTest 平台统一管理。 扫频测试：分析不同频率下的输出表现 图3_OpenTest 有线耳机频响及失真测试结果 完成通道配置后，即可进入频率响应测试。频响测试通常通过扫频信号或分频点信号观察耳机在不同频率下的声压输出。工程师可以通过频响曲线判断耳机整体调音趋势，例如低频是否充足、中频是否平顺、高频是否存在明显峰谷。对于左右声道耳机，也可以进一步观察两侧曲线是否一致。 失真测试则进一步关注耳机在输出声音时是否产生额外的谐波成分。即使频响曲线接近目标，某些频段仍可能出现失真升高，影响听感或暴露结构问题。通过 OpenTest 查看失真结果，工程师可以结合频响曲线判断异常是否来自单元性能、装配一致性、声学腔体或测试条件。 生成报告：让测试结果更便于复核与归档 图4_OpenTest 生成有线耳机频响及失真测试报告 完成频率响应和失真分析后，测试结果还需要进入复核、对比和归档流程。对于研发验证和质量控制团队来说，单次测试曲线并不是终点，工程师通常还需要将测试条件、通道配置、频响曲线、失真结果和关键判定信息整理成可追溯的报告，用于内部评审、样品对比或后续问题分析。 在 OpenTest 中，测试数据和分析结果可以继续用于报告生成。工程师可围绕同一测试任务整理频率响应曲线、失真曲线、测试参数和结果说明，减少在多个软件之间手动截图、复制数据和重新排版的工作量。这样不仅可以提升报告整理效率，也有助于保持测试记录和分析结果之间的一致性。 序列模式：将测试流程配置为自动化任务 图5_在 OpenTest 中配置有线耳机声学测试序列 当测试流程稳定后，还可以进一步使用 OpenTest 的序列模式，将信号采集、频响分析、失真分析、结果判定和报告输出等步骤配置为标准测试序列。工程师只需按照预设流程执行测试，即可减少重复操作，并让同一套测试方法在研发验证、样品对比和生产抽检等场景中重复使用。 对于需要反复测试同类产品的团队来说，序列模式的价值在于把一次成功的测试流程沉淀为可复用模板。后续面对不同样品、不同批次或不同测试人员时，测试步骤、参数设置和结果输出方式都可以保持更高一致性，为自动化测试和标准化管理打下基础。 这种方式为已有 NI 采集卡用户带来几方面价值： 保留现有硬件链路：无需重新搭建采集系统，降低软件升级成本。 面向真实声学测试场景：以有线耳机频响及失真测试验证完整流程。 统一测试与分析界面：减少设备配置、数据采集和结果分析之间的切换。 提升结果复核效率：频响曲线、失真结果和测试数据可用于对比、归档和报告输出。 便于后续扩展：在单次测试流程稳定后，可进一步扩展到标准化、序列化和自动化测试流程。 对于已经部署 NI 采集卡的声学实验室、研发验证团队和生产测试团队而言，OpenTest 提供了一条务实的升级路径：保留已有硬件资产，把耳机频响、失真等声学测试流程接入更统一的软件平台。 不止于本文中的 NI USB-4431 和有线耳机频响测试，OpenTest 的开放硬件接入能力也面向更多类型的采集设备和音频接口，帮助用户根据现有硬件条件构建更灵活的测试系统。在测试能力上，OpenTest 也不局限于频率响应和失真分析，还可扩展到声功率、声品质、电声测试等多类声学与 NVH 测试场景。对于希望逐步升级测试平台的团队来说，这意味着 OpenTest 不仅可以承接现有硬件，还能进一步扩展测试能力和自动化流程。 免费版OpenTest可通过 OpenTest 官方网站 下载使用。如需了解更多解决方案或进一步体验 OpenTest，欢迎联系 CRYSOUND 团队：0571-88225198。