ใช้มือถือหลายเครื่องและ AI ช่วยตามหาต้นทางเสียงปี๊บในห้อง

Beep Locator ใช้มือถือหลายเครื่องช่วยหาเสียงปี๊บด้วย AI

เคยได้ยินเสียงปี๊บดังขึ้นทุกหลายนาที แต่พอเดินตามหา เสียงกลับหยุดไปก่อนจนไม่รู้ว่ามาจากตรงไหนหรือไม่?

Simon Willison เจอปัญหานี้จริงในห้องที่เต็มไปด้วยกล่อง แทนที่จะเปิดค้นทุกกล่อง เขาให้ Coding Agent ช่วยสร้าง Beep Locator ระบบที่เปลี่ยนมือถือ Tablet และ Laptop หลายเครื่อง ให้กลายเป็นชุดไมโครโฟนชั่วคราวสำหรับช่วยประเมินตำแหน่งต้นเสียง

หน้าจอ Beep Locator สำหรับช่วยหาตำแหน่งเสียงจากไมโครโฟนหลายอุปกรณ์
Beep Locator ที่ Hackaday นำเสนอ เป็นระบบใช้ Browser และไมโครโฟนจากอุปกรณ์หลายเครื่องช่วยค้นหาตำแหน่งเสียง Beep
Key Takeaways
  • ใช้มือถือ Tablet และ Laptop ที่มีอยู่แล้วเป็น Temporary Microphone Array
  • Server หลักเขียนด้วย Python และ Listener ทำงานผ่าน Web Browser
  • Browser ใช้ WebAudio รับเสียง และเชื่อม Server ผ่าน WebSockets
  • แต่ละ Listener มี Ring Buffer เก็บ Audio ล่าสุดประมาณ 60 วินาที
  • Beep Detector ใช้ High-pass Filter และ FFT ช่วยตรวจหาเสียง Tonal ที่น่าสงสัย
  • ใช้ Chirp สำหรับ Calibration และ Sync Audio ระหว่างหลายอุปกรณ์
  • ใช้ Time Difference of Arrival เพื่อช่วยประมาณตำแหน่งต้นเสียง
  • Simon รายงานว่ากรณีจริงช่วยจำกัดตำแหน่งเสียงเหลือประมาณ 40 ซม.

ทำไมเสียงปี๊บสั้น ๆ ถึงตามหายาก?

ปัญหาของเสียงแจ้งเตือนที่ดังเป็นช่วงสั้น ๆ คือ พอได้ยินและเริ่มหันไปหาต้นทาง เสียงก็มักหยุดไปแล้ว แถมเสียงสะท้อนจากผนัง เฟอร์นิเจอร์ และกล่องต่าง ๆ สามารถทำให้หูมนุษย์เดาทิศทางผิดได้

Simon เจอเสียงลักษณะนี้จากห้องที่เต็มไปด้วยกล่อง และไม่ต้องการรื้อค้นทุกกล่อง จึงลองเปลี่ยนอุปกรณ์ที่มีอยู่แล้วรอบบ้าน ให้กลายเป็น Network ของ Microphone Listeners

Beep Locator คืออะไร?

Beep Locator UI พร้อม QR code รายชื่อ Listener แผนที่และตำแหน่ง Mystery Beep
Full Beep Locator UI จากบทความของ Simon Willison แสดง QR Code สำหรับเพิ่ม Listener, รายชื่ออุปกรณ์, Map และพื้นที่ประมาณตำแหน่ง Mystery Beep

Beep Locator เป็น Python Web Application ที่ให้โทรศัพท์ Tablet หรือ Laptop เชื่อมเข้ามาผ่าน Browser และทำหน้าที่เป็น Listener

ในการใช้งานจริง Simon ใช้ iPad สองเครื่อง, Phone หนึ่งเครื่อง, MacBook Pro และ Surface กระจายไว้ในพื้นที่เดียวกัน

หลังเก็บข้อมูลจากหลาย Beep ระบบช่วยจำกัดพื้นที่จน Simon รายงานว่าตำแหน่งอยู่ภายในประมาณ 40 ซม. ก่อนพบต้นเหตุจริงเป็น Carbon Monoxide Detector เก่าที่ Battery ต่ำ

ตัวเลขประมาณ 40 ซม. เป็นผลจากเหตุการณ์จริงของ Simon ครั้งนี้ ไม่ใช่ Accuracy Specification หรือค่าที่รับประกันว่า Beep Locator จะทำได้เหมือนกันในทุกห้อง ทุกอุปกรณ์ หรือทุกสภาพเสียง
Beep Locator card image จากบทความของ Simon Willison
Card Image ของบทความต้นฉบับจาก Simon Willison

Architecture ของ Beep Locator

ส่วนประกอบ หน้าที่
Python Web Server ควบคุม Connection, Calibration, Processing และ Source Localization
Coordinator แสดง QR Code, Devices, Controls, Map และผลการตรวจหาเสียง
Browser Listener รับ Audio จาก Microphone ผ่าน WebAudio และส่ง Event/Audio กลับ Server
WebSocket ใช้สื่อสารระหว่าง Server กับ Listener แบบต่อเนื่อง
Audio Ring Buffer เก็บ Audio ล่าสุดประมาณ 60 วินาทีในแต่ละ Listener
DSP / Analysis ตรวจ Chirp, Beep, ระยะระหว่าง Listener และประเมินตำแหน่งต้นเสียง

Current Repository แยก Logic ออกเป็นหลายส่วน เช่น hub.py สำหรับ Connection/RPC, procedures.py สำหรับ Calibration และ Locate, และ analysis.py + dsp.py สำหรับ Signal Processing และ Location Estimation

เปลี่ยนมือถือเป็น Listener อย่างไร?

เมื่อ Start Server ระบบจะแสดง Join URL และ QR Code ผู้ใช้เปิด URL นั้นจาก Phone, Tablet หรือ Laptop แล้วกด Start listening เพื่ออนุญาต Browser เข้าถึง Microphone

Official README แนะนำให้กระจาย Listener อย่างน้อย 3 เครื่อง รอบพื้นที่ที่ต้องการค้นหา และควรเปิดหน้าจอของ Listener ค้างไว้ระหว่างทำงาน

Coordinator Device เองก็สามารถเข้าร่วมเป็น Listener ได้เช่นกัน

Browser ต้องได้รับ Microphone Permission จากเจ้าของอุปกรณ์ก่อน และอุปกรณ์แต่ละเครื่องควรเป็นของผู้ใช้เอง หรือได้รับอนุญาตให้ใช้ Microphone อย่างชัดเจน

Calibration หา Position ของ Listener อย่างไร?

แนวคิดพื้นฐานของระบบอ้างอิงงานวิจัย BeepBeep ซึ่งใช้ Two-way Acoustic Ranging เพื่อวัดระยะระหว่างอุปกรณ์โดยใช้ Speaker และ Microphone ที่มีอยู่แล้ว

ใน Beep Locator แต่ละอุปกรณ์จะเล่น Chirp ตามลำดับ แล้วระบบนำข้อมูลจากการรับเสียงของ Listener ต่าง ๆ มาช่วยคำนวณระยะระหว่างกัน

Current Repository ระบุว่า Layout Processing ใช้ Multidimensional Scaling หรือ MDS, SMACOF และ Outlier Rejection เพื่อเปลี่ยน Pairwise Distance ให้เป็น Layout ของอุปกรณ์

อย่างไรก็ตาม Simon พบว่า Automatic Location ในห้องจริงไม่ได้แม่นเสมอไป จึงเพิ่ม Rough Mode ให้ผู้ใช้ลากตำแหน่ง Device คร่าว ๆ บน Map ก่อน แล้วค่อยใช้ข้อมูลเสียงช่วยปรับต่อ

Beep Detection ใช้ FFT ทำอะไร?

Listener มี Detector สำหรับคอยมองหาเสียง Tonal ที่ดังเด่นขึ้นมาจาก Background Noise

Current detector.js ใช้ High-pass Filter กับ Audio จากนั้นใช้ Fast Fourier Transform หรือ FFT วิเคราะห์ Spectrum เพื่อหาความถี่เด่น

Detector นี้ไม่ได้ทำหน้าที่คำนวณตำแหน่งสุดท้าย แต่ช่วยบอก Server ว่ามีเสียงที่น่าสนใจเกิดขึ้น เพื่อให้ระบบเริ่มขั้นตอน Precise Analysis ต่อ

ทำไมหลังได้ยิน Beep ต้องมี Sync Chirp?

เมื่อ Listener รายงานว่าได้ยิน Beep Server จะเลือก Device หนึ่งให้เล่น Short Sync Chirp จากนั้นทุก Listener จะส่ง Audio Clip รอบช่วงเวลาของ Beep และ Chirp กลับไป

Simon ระบุว่าช่วง Audio ที่ดึงกลับมา เริ่มประมาณ 0.6 วินาทีก่อน Beep และต่อไปประมาณ 0.8 วินาทีหลัง Sync Chirp

จุดประสงค์ของ Chirp คือช่วย Align Recording จากอุปกรณ์หลายเครื่องให้มี Reference Event ร่วมกัน ก่อนเปรียบเทียบ Arrival Time ของเสียงจริง

TDOA ช่วยประมาณตำแหน่งต้นเสียงอย่างไร?

หลังรู้ Position ของ Listener และ Align Recording แล้ว ระบบสามารถเปรียบเทียบว่าเสียงเดียวกันมาถึงไมโครโฟนแต่ละเครื่อง เร็วหรือช้าต่างกันเท่าใด

แนวคิดนี้เรียกว่า Time Difference of Arrival หรือ TDOA โดยไม่จำเป็นต้องรู้ว่าเสียงถูกปล่อยออกมาตอนไหนแบบ Absolute แต่ใช้ความต่างของเวลา Arrival ระหว่างหลายตำแหน่ง

Current Repository ระบุว่า Localization Pipeline ใช้ TDOA Grid Search และ Gauss-Newton สำหรับปรับผล Estimate

เมื่อมี Beep หลายครั้ง ระบบสามารถสะสมข้อมูลและค่อย ๆ จำกัดพื้นที่ที่น่าจะเป็นต้นเสียงให้แคบลง

แล้ว Coding Agent ได้ “หู” อย่างไร?

จุดที่น่าสนใจที่สุดของ Project นี้ไม่ใช่แค่ Audio Localization แต่คือวิธีที่ Simon เปิดให้ Coding Agent เข้าถึงข้อมูลจากโลกจริงผ่าน Software Interface

Listener เชื่อมกับ Server ผ่าน WebSocket และ Runtime สามารถรับ Module JavaScript ใหม่ โดยไม่ต้อง Reload หน้า Browser ทุกครั้ง

วิธีนี้ทำให้ Simon สามารถวางอุปกรณ์รอบห้องไว้ก่อน แล้วให้ Coding Agent ปรับ Detector, Query Audio Logs และทดลอง Algorithm ใหม่ โดยไม่ต้องเดินไป Reload โทรศัพท์ทุกเครื่องด้วยตัวเอง

ความสามารถในการ Push หรือ Execute Module ใหม่บน Listener ควรใช้เฉพาะกับอุปกรณ์, Network และ Browser ที่ผู้ใช้เป็นเจ้าของหรือได้รับอนุญาตเท่านั้น อย่าเปิด Admin Token หรือระบบควบคุม Listener ให้บุคคลที่ไม่ได้รับอนุญาตเข้าถึง

วิธีรัน Beep Locator

Official README ระบุว่าต้องมี uv และใช้ cloudflared เพื่อสร้าง HTTPS Tunnel สำหรับอุปกรณ์อย่างโทรศัพท์ เนื่องจาก Browser ต้องการ Secure Context สำหรับ Microphone

Run Beep Locator จาก Official README
git clone https://github.com/simonw/beep-locator
cd beep-locator
uv run beep-locator serve --tunnel

หลัง Start Server แล้วระบบจะแสดง Coordinator URL, Join URL และ QR Code สำหรับเชื่อม Listener

ไม่มีอุปกรณ์หลายเครื่องก็ทดสอบด้วย Simulation ได้

Repository มี Simulation Mode สำหรับสร้าง Fake Listeners และ Virtual Beeper เพื่อทดสอบ Algorithm โดยไม่ต้องวาง Hardware จริง

Official README ยกตัวอย่าง Route /sim และมี Parameters สำหรับกำหนดจำนวน Listener, ตำแหน่ง Beeper และช่วงเวลาการสร้าง Beep

Run Automated Tests
uv run pytest

Source Code และ Download Files ที่เกี่ยวข้อง

Repository ไม่มี GitHub Release หรือ Binary Package แยก ดังนั้นไฟล์ด้านล่างเป็น Source และ Configuration ที่ใช้ใน Project จริง

Project หลัก

Python Server และ Audio Analysis

Browser / WebAudio / Listener Files

Tests และ Dependency Lock

จากการตรวจ Current Repository ไม่พบ GitHub Releases, Binary Installer, PDF Documentation ของ Project, STL, CAD, Gerber หรือไฟล์ Media ภายใน Repository จึงไม่มี Download ประเภทเหล่านั้นให้เพิ่ม

มี Video ของ Beep Locator หรือไม่?

จาก Hackaday Article, Simon Willison Article และ Current Official GitHub Repository ที่ตรวจสอบ ไม่พบ Official YouTube Video และไม่พบไฟล์ MP4, WebM หรือ MOV ที่เกี่ยวข้องกับ Project นี้โดยตรง

ดังนั้นบทความนี้ไม่สร้าง Video Embed หรือ Video Link ที่ Source ไม่ได้ให้ไว้

Privacy และ Security ต้องระวังอะไร?

Microphone Permission: Listener ต้องได้รับสิทธิ์เข้าถึง Microphone จากผู้ใช้ ควรใช้เฉพาะอุปกรณ์ที่ตนเองเป็นเจ้าของหรือได้รับอนุญาต
Audio Data: ระบบเก็บ Recent Audio ใน Buffer และบางช่วงจะถูกส่งกลับ Server เพื่อวิเคราะห์ Repository ระบุว่า SQLite Database, WAV Clips และ Token ถูกเก็บภายใต้ beep-data/
Admin Token: Coordinator URL มี Admin Token ไม่ควรแชร์ URL หรือ Token ให้บุคคลที่ไม่ได้รับอนุญาต
Remote JavaScript: Project รองรับการอัปเดต Module JavaScript ไปยัง Listener ระหว่างทำงาน จึงควรใช้เฉพาะบนระบบและ Browser ที่ผู้ใช้งานควบคุมเองหรือได้รับอนุญาต

Beep Locator ราคาเท่าไร?

Hackaday, บทความของ Simon Willison และ Official Repository ไม่ได้ระบุราคา Project, ค่า Hardware รวม หรือค่าใช้จ่ายของ Coding Agent ที่ใช้สร้างระบบนี้

โปรเจกต์ถูกออกแบบให้ใช้อุปกรณ์ที่ผู้ใช้มีอยู่แล้ว เช่น Phone, Tablet และ Laptop แต่ Source ไม่ได้ให้ข้อมูลต้นทุนรวม จึงไม่มีราคาที่สามารถแปลงเป็นเงินบาทได้อย่างถูกต้อง

FAQ คำถามที่พบบ่อย

Beep Locator คืออะไร?

เป็น Python Web Application ที่ใช้ Microphone จากอุปกรณ์หลายเครื่อง ช่วยประมาณตำแหน่งของเสียง Beep ภายในพื้นที่

ต้องติดตั้ง App บนมือถือหรือไม่?

ไม่ต้องติดตั้ง Native App Listener ทำงานผ่าน Web Browser ตาม Source ปัจจุบัน

ต้องใช้ Listener กี่เครื่อง?

Official README แนะนำ 3 เครื่องขึ้นไปสำหรับการใช้งาน และสามารถเพิ่ม Listener เพื่อเพิ่มข้อมูลสำหรับการประมาณตำแหน่งได้

ใช้ Microphone ของโทรศัพท์จริงหรือไม่?

ใช่ Browser ขอ Microphone Access ผ่าน WebAudio และใช้ Audio ที่รับได้สำหรับ Detection และ Analysis

ระบบเก็บเสียงย้อนหลังนานเท่าไร?

Current README ระบุว่า Listener มี Ring Buffer เก็บ Audio ล่าสุดประมาณ 60 วินาที

Beep Detector ใช้ AI หรือ Machine Learning หรือไม่?

Source ของ Detector ปัจจุบันใช้ Signal Processing เช่น High-pass Filter และ FFT ไม่ได้ระบุว่าใช้ Machine Learning Model สำหรับ Detector

Claude Code วิเคราะห์เสียงโดยตรงหรือไม่?

Simon อธิบายว่า Coding Agent ไม่มี Native Audio Input ใน Workflow นี้ แต่สามารถใช้ Python และ JavaScript เพื่อ Query และวิเคราะห์ข้อมูล Audio ที่ระบบรวบรวมไว้

Calibration ทำงานอย่างไร?

Devices เล่น Chirp ให้กัน แล้วระบบใช้ข้อมูลเสียงเพื่อช่วยคำนวณ Pairwise Distance และสร้าง Layout ของ Listener

TDOA คืออะไร?

Time Difference of Arrival คือการใช้ความแตกต่างของเวลาที่เสียงเดียวกัน เดินทางถึง Microphone หลายตำแหน่งเพื่อช่วยประมาณ Source Position

ผลประมาณ 40 ซม. หมายความว่าแม่น 40 ซม. เสมอหรือไม่?

ไม่ใช่ ตัวเลขดังกล่าวเป็นผลที่ Simon รายงานจากเหตุการณ์จริงครั้งนั้น Source ไม่ได้ระบุ Accuracy Guarantee สำหรับทุก Environment

ระบบรองรับ 3D Localization หรือไม่?

Original Problem Design ระบุว่า Full 3D Localization เป็น Non-goal ในขอบเขตเริ่มต้นของ Project

สามารถทดลองโดยไม่มีมือถือหลายเครื่องได้หรือไม่?

Repository มี Simulation Mode สำหรับ Fake Listeners และ Virtual Beeper

Project ใช้ Python เวอร์ชันอะไร?

pyproject.toml ของ Current Repository ระบุ Python 3.10 ขึ้นไป

มี GitHub Release หรือ Installer หรือไม่?

จาก Current Repository ที่ตรวจสอบ ไม่มี GitHub Release หรือ Binary Installer แยก

มี Official Video หรือไม่?

จาก Source ที่ตรวจสอบไม่พบ Official YouTube, MP4, WebM หรือ MOV ของ Project นี้

Beep Locator มีค่าใช้จ่ายเท่าไร?

Source ไม่ได้ระบุต้นทุนรวม ราคา Hardware หรือค่าใช้จ่ายของ Coding Agent สำหรับ Project นี้

โปรเจกต์นี้มีหลายขั้น แนะนำอ่านต้นฉบับควบคู่กัน

Beep Locator มีทั้ง Browser Audio, WebSockets, Signal Processing, Acoustic Ranging และ Location Estimation หากต้องการทดลองจริงควรเปิด Original Article, problem.md และ Source Code ควบคู่กัน

References / แหล่งข้อมูลต้นฉบับ

อยากต่อยอด Project ที่เชื่อม AI กับโลกจริง?

Beep Locator เป็นตัวอย่างที่น่าสนใจว่า Coding Agent ไม่จำเป็นต้องอยู่แค่กับ Code และ Text แต่สามารถทำงานร่วมกับ Sensor, Microphone และข้อมูลจากโลกจริงผ่าน Software Interface ได้

หากกำลังทดลองทำ Project ด้าน AI, IoT, Sensor หรือ Embedded System สามารถสอบถามทีม Globalbyte เรื่องบอร์ดและอุปกรณ์ที่เหมาะกับ Project ได้

Disclaimer: บทความนี้เป็นการสรุปและเรียบเรียงจากแหล่งข้อมูลภาษาอังกฤษ อาจมีความคลาดเคลื่อน กรุณาตรวจสอบ Source ต้นฉบับก่อนลงมือทำ Beep Locator ใช้ Microphone และสามารถเก็บ Audio Clips เพื่อวิเคราะห์ตำแหน่งเสียง ควรใช้เฉพาะอุปกรณ์ Network และพื้นที่ที่ผู้ใช้เป็นเจ้าของ หรือได้รับอนุญาตอย่างชัดเจน Accuracy ขึ้นอยู่กับตำแหน่ง Listener, ลักษณะห้อง, Reflection, Microphone, Speaker, Browser Audio Stack และ Environment ตัวเลขประมาณ 40 ซม. เป็นผลจาก Case ของ Simon Willison ไม่ใช่ Accuracy Guarantee ของระบบทั่วไป Source ไม่ได้ระบุราคา Project, Hardware Cost, Cloud Cost หรือ Coding Agent Cost รวม และ Current Repository ไม่มี GitHub Release, Binary Package หรือ Official Video นอกจากนี้รูปภาพจาก Hackaday และ Simon Willison ยังอยู่ภายใต้สิทธิ์ของเจ้าของต้นฉบับ ควรตรวจสิทธิ์การนำภาพมาใช้ก่อนเผยแพร่เชิงพาณิชย์

แท็ก


Blog posts