Insta360 Mic Pro - Funkmikro mit E-Ink-Display, 3-Mikrofon-Array und 32-Bit-Float

[slashCAM]

Insta360 hat sein auf der NAB 2026 angeteastertes drahtloses Mikrofon Mic Pro nun offiziell vorgestellt. Das kompakte Funkmikrofonsystem bringt gleich mehrere Neuerungen...

Hier geht es zur Newsmeldung auf den slashCAM Magazin-Seiten:
Insta360 Mic Pro - Funkmikro mit E-Ink-Display, 3-Mikrofon-Array und 32-Bit-Float

[Jörg]

Aufgrund der wählbaren Richtcharakteristiken sehr interessant.

[Tscheckoff]

Zwar keine 3.5mm Anschlüsse für externe Mikros. ABER dafür die wählbaren Richtcharakteristiken (+ Klang-Einstellungen über den Empfänger).
Bzw. auch endlich mal adaptierbares Aussehen über die e-ink displays (so sind die Sender auch ohne sie komplett zu verstecken / ohne "mini mini" sein zu müssen kein Problem mehr im Bild).
Definitiv eines der interessantesten Sets aktuell am Markt ...

/Edi:/ Oh. Ganz übersehen - Es gibt 3.5mm auf USB-C Adapter.
Damit lassen sich dann auch Lavs an die Sender anschließen. Spaßig ^^.

[toniwan]

Aufgrund der wählbaren Richtcharakteristiken sehr interessant.

Da dürfte der Marketing-Effekt größer sein als der Nutzen für die Richtwirkung. Drei MEMS-Mikrofone in kleinem Abstand können keine brauchbare Richtwirkung erzielen. Aber sie helfen sicherlich der KI bei der Differenzierung zwischen Nebengeräuschen und Stimme.

[Blackbox]

Kann durchaus sein, dass neuere Mikroprozessoren schnell genug sind um auch recht kleine Zeitunterschiede kontinuierlich zu detektieren und als Basis für ein flottes Rechengedöns zwecks Richtungsisolation zu verwenden. Sind ja auch nur 3 Mikros auszuwerten und
ist alles nur 'NF-Material', also Signale mit relativ langsamer Schallgeschwindigkeit, die von aktuellen schnell getakteten Recheneinheiten durchaus bewältigt werden können.
Nur da wo keine Zeitunterschiede auftreten, das Nutzsignal also bei allen 3 Mikros gleichzeitig ankommt (Signal im Freifeld von vorn) kann nicht zeitbasiert bzw. phasenbasiert isoliert werden, was aber auch nicht nötig ist, da dann der Schall denn ja eh komplett von vorn kommt.
Es kann mit solchen kleinen Teilen mittlerweile halbwegs gut sowohl nach Qualität des Schalls (unerwünschter Verkehrslärm, erwünschte Sprache, etc.), als auch in Arrays nach zeitlichem Eintreffen des Schalls differnziert werden.
Das Array-Prinzip wird in der Industrie ja schon seit langem verwendet, etwa für bildgebende Verfahren im Maschinenbau (ähnlich wie bei Wärmebildkameraus, nur halt für Schall, also: 'wo genau dringt der Lärm aus der Karosserie', Schallholografie, etc.).
Wie das rechentechnisch genau funktioniert übersteigt leider komplett meine mathematischen skills (Fourieranalyse, Phasendifferenzauswertungen und so ...).
Ist eher der Job von Fraunhofer Instituten, MIT und ähnlichen Grundlagenfoschungseinrichtungen.
Arrays sind jedenfalls mittlerweile seit längerem oft dort alltäglich, wo wir es nicht direkt wahrnehmen zB in Kfz Freisprecheinrichtungen, Konferenzraummikrofonierungen, Webcams(?), Handys, etc.
Was mit solchen kleinen 3-mikro mini-arrays vermutlich nicht geht sind Ebenen-Richtcharakteristiken, wie sie zB beim im Bundestag als Rednerpult-Mikro verwendeten KEM-970 (microtec-Gefell) realisiert wurden. Auch die Präzision wird sehr deutlich schlechter als bei den großen industriellen Arrays mit hunderten oder >1000 Mikros.
Ich bin jedenfalls gespannt auf praxisnahe Tests mit diesem Array-Dings in Alltagsdrehsituationen.
Turbulente Zeiten.

[toniwan]

Kann durchaus sein, dass neuere Mikroprozessoren schnell genug sind um auch recht kleine Zeitunterschiede kontinuierlich zu detektieren und als Basis für ein flottes Rechengedöns zwecks Richtungsisolation zu verwenden.

Also die Echtzeitberechnung von drei Kanälen in 48kHz ist sicherlich kein Thema, da mangelt es seit Jahren auch bei billigsten Chips nicht an Leistung. Das Nadelöhr ist die Physik. Denn der Abstand der Mikrofone kann schlichtweg keine Richtwirkung über's gesamte (Sprach-)-Spektrum erzeugen. Ich glaube, da erhoffen sich hier einige etwas viel von diesem günstigen Content Creator Mic.

Super finde ich das Display. Das ist doch mal ein wirkliches Highlight.

[ruessel]

Drei MEMS-Mikrofone in kleinem Abstand können keine brauchbare Richtwirkung erzielen.

Jaein. Die Größe des Arrays bestimmt, wie fein Richtungen aufgelöst werden können. Der Haken:
Bei nur wenigen Millimetern Abstand werden die Zeitunterschiede extrem klein. Rechnen wir grob nach, das Insta360 Mic Pro hat laut Bericht ein 3-Mikrofon-Array in einem nur 38 mm langen Gehäuse. Nehmen wir an:

äußerer Mikrofonabstand ≈ 30 mm
Schallgeschwindigkeit ≈ 343 m/s
Maximaler Laufzeitunterschied:

Δt max = 0.03 : 343 ≈ 87μs

Also:
Nur etwa 87 Mikrosekunden Unterschied zwischen vorne und hinten. Das ist winzig — aber moderne DSPs können das problemlos messen. Die Richtwirkung entsteht nicht nur durch reine Laufzeitmessung.

Moderne Systeme kombinieren:
Beamforming
Phasenanalyse
adaptive Filter
KI-Noise-Reduction
Frequenzanalyse
Sprachmodelle

Das Insta360 Mic Pro erwähnt explizit:
3-Mikrofon-Array
AI noise reduction
umschaltbare Richtcharakteristik
super-directional mode

Das heißt:
Die Hardware alleine macht noch keine Wunder — die Software ist der eigentliche Zauber! Aber Physik bleibt Physik. Kleine Mikrofonabstände funktionieren vor allem bei höheren Frequenzen gut. Warum? Weil die Wellenlänge kleiner wird. Das ist eher „intelligentes Hören“ als echtes Richtmikro. Ein großes Richtrohrmikrofon arbeitet akustisch:
lange Interferenzröhre
echte physische Richtwirkung

Das Insta360-System arbeitet eher rechnerisch:
„Welche Signalanteile passen zeitlich und spektral zu einer Stimme von vorne?“
Alles andere wird abgesenkt.

Mit drei MEMS kann man:
- links/rechts unterscheiden
- vorne/hinten besser erkennen
- Störungen statistisch unterdrücken
- virtuelle Richtcharakteristiken erzeugen

Zum Beispiel:
Kugel
Niere
Superniere
Acht

Genau solche Modi werden für das Mic Pro erwähnt. Was nicht erwähnt wird, das funktioniert nur gut bei Frequenzen die dem Mikrofonabstand entsprechen, ich schätze so ab 4 kHz. Für tiefere Frequenzen benötigt es in der tat einen weiteren Mikrofonabstand.

[ruessel]

Was mich natürlich interessiert: Das E-Paper Display. Ich habe mal die KI dazu gefragt: das basiert vermutlich auf neuer E Ink Holdings Spectra-6-Technologie.6 Farben bedeutet nicht „echtes RGB“, die neuen Spectra-6-Displays arbeiten mit Pigmenten:

Schwarz
Weiß
Rot
Gelb
Blau
Grün

Daraus werden per Dithering viele Mischfarben erzeugt. Das echte runde Farb-E-Ink ist noch relativ neu und schwierig für Privatpersonen zu bekommen.

Von der Firma gibt es ein rundes 1.69 Zoll E-Paper, allerdings höher aufgelöst mit 400x400 Pixel. Kostet an Privatpersonen stolze 40,- EUR.

[toniwan]

Was nicht erwähnt wird, das funktioniert nur gut bei Frequenzen die dem Mikrofonabstand entsprechen, ich schätze so ab 4 kHz. Für tiefere Frequenzen benötigt es in der tat einen weiteren Mikrofonabstand.

Genau darum geht's, gut zusammengefasst. Und wie gesagt, Rechenleistung ist doch seit Jahren kein Thema. Das ist trivial.

Ich möchte hier nur aufräumen mit der Herstelleraussage "functions as a directional shotgun mic, giving run-and-gun filmmakers precise front-focused capture without additional hardware."

Dieses Array ist eben kein Ersatz für ein physisches Richtrohr. Das hat schon das Nikon ME-D10 eindrücklich gezeigt. Aber das sollte in Anbetracht der Marktpositionierung und Zielgruppe eigentlich klar sein.

[ruessel]

Aber seit Jahren kennen wir doch die Produktvorstellungen: 50% ist immer Marketingübertreibung.

[Tscheckoff]

Hmm. Mal sehen wie es sich so in der Praxis schlägt. Auch wenn die Richtwirkung, Rauschunterdrückung und Sprach-Isolierung vielleicht nicht perfekt ist.
Wenn es zumindest "halbwegs" was bringt, reicht das doch. Finde das Set auch interessant für "quick-and-dirty" Podcasting (man kann ja sogar 4 Sender auf einen Empfänger legen).
Und ISO-Aufnahmen gibt es dann so oder so je Sender (sogar in 32bit) - Was will man mehr ^^. LG

[ruessel]

Was will man mehr

vielleicht einen guten Klang? Mit meinen DJI mic3 bin ich eher unglücklich, das Signal optimiert, limitiert und auf links gezogen..... ja Störgeräusche sind weg, die Stimme aber fast auch, hat nichts mehr mit dem Original zu tun.

[Blackbox]

Ich denke die Physik lässt doch noch ein wenig mehr zu als ihr oben vermutet.
Auch die Quelle tieferer Frequenzen lässt sich via Zeitdifferenz bei entsprechendem Rechenaufwand (Fouriertransformation, schmale Filter, (ggf. Abgleich mit den Obertönen wegen Plausibilität) lokalisieren.
Zeitpunkt maximaler Spannung (Berg) oder maximaler negativer Spannung (Tal) oder vielleicht einfacher der Nulldurchgang lassen sich ja pro Mikro zeitlich zuordnen und ist die Differenzierbarkeit erstmal hergestellt (Zeit/Phase), ist die Separation nicht mehr weit (genügend Rechenleistung vorausgesetzt). Teils finde die Rechenleistung ggf. nicht mehr im fertigen Gerät statt, sondern vorher beim 'Training' in großen Rechenzentren.
Was da genau zum Einsatz kommt weiss ich natürlich nicht, aber die Physik der analogen Signalketten mit ihren Beschränktheiten lässt sich nicht einfach mal auf die digitale Verarbeitung übertragen. Im Prinzip kann ja jegliche Differenzierbarkeit ( u.a.: Zeit, Frequenz, relativer Pegel, Klangcharakteristik (->Ki) ) bei digitalem Zugriff und bei Vorliegen entsprechender Algorithmen oder vortrainierten Ki-Prozeduren zur Separation genutzt werden. Analog stößt das natürlich an physikalische Grenzen, was aber wie gesagt für digitale Verarbeitungen irrelevant ist. Zwar gilt die analoge Physik (Akustik und so), aber das schließt nicht aus, dass Erweiterungen stattfinden.
Beim Bild zB kann mit Ki die Auflösung (upscaling etc.) verbessert werden, was zwar die physikalischen Grenzen von Objektiv und Sensor überschreitet, aber dennoch nicht in Gegensatz zur Physik im Allgemeinen steht.
Arrays funktionieren übrigens bei tiefen Frequenzen m.E. sogar einfacher als das bei Richtrohren der Fall ist, die in der Tat bei tieferen Frequenzen an prinzipielle ('analog'-physikalische) Grenzen stoßen, sofern die Teile nicht mehrere Meter lang sind. Zudem müssen Richtrohre selbst dann ja mechanisch auf das Quellsignal ausgerichtet werden, was bei Arrays weitgehend entfällt und in die Rechenprozeduren verlagert wird.
Was bei nur drei Mikros leidet ist m.E., ähnlich wie bei Ambisinic-Mikros erster Ordnung, die Präzision, aber da ist ja mal abzuwarten, ob die Genauigkeit bereits ein praxistaugliches Level erreicht hat. Wir brauchen ja nicht wie in Industrie und Forschung die dritte Achse (Entfernungsbestimmung, akustische Holografie) und auch keine zentimetergenaue Lokalisation, sondern nur eine ausreichend gute Abschwächung der unerwünschten Richtungen (plus Ausblendung von 'störenden' Klangsignaturen wie zB Verkehrslärm oder Raumhall).