以Amanero Combo384为典范的 USB 音频界面卡，以 UAC2.0 异步传输为核心，凭借低抖动本地时钟摆脱主机时钟干扰，其输出音质远超传统 SPDIF 接口，为 Hi-Fi 系统提供了高纯净度的数字音频传输解决方案，让普通用户也能轻松体验高品质时钟带来的音质提升，成为桌面与便携 Hi-Fi 系统的关键升级模块。
但Amanero Combo384并非完美，依旧有可优化的空间。基于此，我们上马了CSX系列USB音频界面卡项目，希望在Amanero产品的基础上，增加我们的技术理解和方案，形成一个更加全面的界面卡解决方案。
本系列文章分为三部分：
UAC协议简述：第一部分回顾下UAC协议，帮助大家了解USB音频传输的重点环节和影响音质的关键要素，并分析下Amanero的成功和不足。
CSX系列USB音频界面卡设计：第二部分着重介绍CSX系列产品的设计理念和功能。
CSX系列USB音频界面卡应用：第三部分从实际应用入手，为大家介绍CSX系列的典型应用方案。
1 UAC协议简述
1.1 USB音频传输机制
首先，我们对USB音频传输建立一个整体的认知。
USB 音频严格遵循《USB 音频设备类规范》（以下简称UAC协议）。
根据协议，USB音频传输包含两个端，一个是音频的数据源端（Source发送端），一个是数据接收端（Sink接收端）。
一个完整的USB音频传输包括了：控制通道协商、数据封装与传输、数据传递、接收与错误处理。
1）控制通道协商
控制通道协商，是指UAC协议专门设计的“控制通道”（与传输音频数据的“等时管道”相区分），用于提前交换设备参数——采样率、位深、声道数等。
Source端发起协商：当电脑或其它主机设备的播放器播放一首采样率为44.1kHz的音乐时，播放器会通过USB的“控制端点”（Control Endpoint）向Sink端（如USB声卡）发送请求配置指令，明确告知：“我要发送44.1kHz、16bit、立体声音频数据，你是否支持？”
Sink端确认支持：Sink端的固件会查询自身支持的采样率范围，如果支持，就回复“确认支持，可以传输”；如果不支持，就回复“不支持”，source端收到不支持的回复后则会提示“格式不兼容”。
协商生效：双方确认后，音频格式“协商完毕”，可以进入到下一步。
2）数据封装与传输
控制通道协商好参数后，音频数据不能直接传输 —— 需要先按 USB 协议封装成 “USB 数据包”，再通过专门的通道发送。
UAC协议规定使用的是等时帧（Isochronous Frame）来传递音频数据。等时帧的特点是“优先保证实时性，允许少量误码”（因为音频是实时流，传输卡顿比偶尔轻微误码更影响体验）。
PCM 数据会被打包成 “USB 等时帧”；DSD 数据则分两种方式（DoP 封装：把 DSD 伪装成 PCM 帧传输；原生Native DSD：UAC2.0+/UAC3.0 支持直接传输 DSD 包）。主机端会根据UAC协议、USB驱动程序来进行数据打包。
3）数据传递
数据传递是UAC协议中的一个关键环节。其核心又是Source端和Sink端之间的数据同步机制。所谓数据同步机制，就是指如何让Source端和Sink端能把数据收发的节奏给协同起来，既不快也不慢。
说到USB数据的传递，就不得不简单提一下SOF（Start of Frame）同步控制信号，它是主机端定期发送的同步信号，是USB总线的时间基准。而UAC音频协议的等时帧是依附于SOF节拍、专门传输实时音频数据的数据包。
UAC协议中规定了三种数据同步机制：同步模式、异步模式、自适应模式。
同步模式——Source端需要按照SOF的节拍来调整音频数据的发送节奏。Sink端也需要将自己的工作时钟与SOF同步，收到等时帧后，按照SOF的节拍将数据输出。
异步模式——Source端按协商一致的音频采样率发起数据传递；Sink端根据自身的时钟节奏来检查Source发来数据的快慢，并向Source端发送“调整指令”；Source端根据Sink端的指令微调自身发送节奏，确保后续发送匹配Sink端的时钟节奏。
自适应模式——Source端与Sink端相互动态适应。Source端按照协商的速率发起数据传递；Sink端按照接收的数据判断数据率并调整自身的时钟节奏，同时也将接收数据率与自身时钟节奏的快慢关系反馈给Source端，促使Source端也同步进行速率调整；最终Source端和Sink端的收发节奏形成一个动态平衡。
4）接收与错误处理
USB 传输中可能出现数据丢包、误码（比如线缆干扰、USB 总线拥堵），不同帧的错误处理逻辑也有不同：
控制帧：支持 “重传”（比如协商参数时包丢了，会重新发送），保证参数协商无误；
等时帧：默认 “不重传”（优先实时性），但会通过 “校验位” 检测误码，若误码率过高，sink 端会通过反馈机制让 source 端调整发送节奏（比如异步模式下加快反馈频率）。
这里我们要了解一个重要事实，那就是等时帧是不重传的，只能有限的检测误码。
以上就是USB音频传输四个关键环节的简述。那么在HiFi应用场景中，我们需要重点关注的是：
1）等时帧传输数据，重实时性，允许误码存在，且接收时只校验不重传。这就意味着我们最好使用一根好线来降低传输的误码率。（我认为，合格的USB线就好，几百几千的USB线我觉得大可不必。）
2）数字音频中时钟的抖动是后端音质保障的关键。而在USB音频传输中，数据传递机制是影响数字音频时钟抖动的关键。其中，异步模式是HiFi应用最佳的数据传递机制。（下面我们再详细的说一下）
3）还需要补充的一点是，正确使用USB音频实现Bit-perfect的音频传输，还需要关注下运行的操作系统、驱动程序、播放软件等，以确保无损传输。
1.2 HiFi系统为什么要采用USB异步传递机制？
前文已经简单介绍过异步传递机制了。我们继续用长途大巴来打个比方：在两个车站间运行一个大巴线路。起点站（Source端）有进展闸机控制进站人流，终点站（Sink端）有出站闸机控制出站人流，大巴（等时帧）则负责将人流从起始站运往终点站，运力按照一定人流量来安排（即按照商定的采样率发送）。
同步模式——大巴运力固定，起点站按运力实时调整进站人流节奏；终点站按运力实时调整出站人流节奏。大巴运力决定进出站人流节奏。运行顺畅，但进出站人流节奏随运力波动而发生波动。
异步模式——终点站有固定的出站人流节奏，终点站实时向起点站发出指令，要求起点站按照自己出站人流节奏来调整进站人流节奏并实时调整运力。出站人流节奏决定了进站人流节奏和运力实时调整。运行顺畅，出站人流流量无波动。
自适应模式——终点站按照当前运力调整出站人流节奏。同时，终点站实时向起点站发出指令，根据运力与出站人流节奏的缺口要求起点站调整进站人流节奏并实时调整运力。进出站人流节奏及运力弹性同步。运行顺畅，但出站人流节奏随动态调整而波动。
因此，通过上述的比方，我们可以看出，只有异步模式时，输出数据是完全同步于Sink端本地时钟的，而当我们采用一个超低抖动的本地时钟，那不就可以获得一个超低抖动的数字音频了吗？所以，答案是显然的，异步模式是最适合HiFi应用场景的！我们常见的Amanero Combo384、XMOS XU316、Savitech SA9227、ComTrue CT7602等常见的HiFi USB接口芯片方案都是采用的异步USB模式。
1.3 UAC版本和系统兼容性
1）USB 音频协议（UAC）的版本差异
UAC1.0：老协议，仅支持最高 96kHz/24bit PCM，无异步模式，适合普通耳机、廉价声卡。
UAC2.0：主流协议，支持最高 768kHz/32bit PCM、DSD512（DoP / 原生），支持异步模式，Amanero、XMOS XU316 均基于此协议。UAC2.0是目前HiFi应用中主流的协议版本。
UAC3.0：新协议（USB4 时代），支持更高带宽，兼容 USB3.0 + 高速传输，但设备和驱动兼容性还在完善中。
2）三大操作系统对UAC2.0的支持情况
1.4 Amanero的成功
Amanero Combo384 作为 Hi-Fi 领域极具影响力的 USB 界面卡，凭借核心技术突破和实用化设计势奠定了其在中高端 USB 界面领域的经典地位，尤其适合追求 “时钟纯净度” 和 “便捷替换” 的用户。其核心的优势有：
1）优秀的技术架构
采用异步 USB 音频传输架构，将输出时钟锚定本地低抖动时钟，彻底摆脱主机时钟抖动干扰，其时钟性能不仅远超传统 SPDIF 数字接口的核心指标，更让用户直观感受到高品质时钟带来的解析力、声场纯净度提升，成为数字音频传输中 “时钟优先” 理念的经典实践。
2）模块化设计引领行业
USB 输入 + IIS 输出的 “黑盒” 硬件结构极具前瞻性，标准化的接口设计不仅降低了厂商二次开发门槛，更让用户能轻松更换同类兼容模块进行对比试听，间接推动了同类产品的技术迭代与竞争，形成了独特的 “兼容替换” 生态。
但Amanero Combo384也有其局限性：
1）硬件升级受限
受限于紧凑的电路板面积，音频时钟电路的优化空间有限，难以通过后续改装实现时钟性能的大幅提升，对追求极致指标的用户存在一定局限。
2）接口与细节设计滞后
早期版本未适配当下主流的 Type-C 接口，在移动设备、新主板等场景下需依赖转接，使用便捷性打折扣。
3）时钟方案仍有优化空间
Combo384 的时钟设计存在明显优化潜力：其当前采用板载晶振生成主时钟，搭配官方推荐的光耦隔离输出方案，导致实际数字音频输出的时钟抖动既受制于板载晶振本身的性能指标，又会受光耦器件特性影响而升高。
更优的设计逻辑应是将模块定位为纯数据处理器：由外部电路生成高品质主时钟，经光耦隔离后送入 Combo384；模块输出的音频数据经光耦隔离后，再通过该外部主时钟进行锁存输出。这种方案能最大程度减少时钟传输过程中的损耗，确保送往后级设备的数字音频时钟具备更高品质。
CSX系列USB音频界面卡正是基于Amanero Combo384的设计而来。该系列产品是我们参考级DAC项目的一个组成部分，其集成了Amanero的优点，也尝试去做了升级，更着眼于我们DAC项目的总体设计。在第二篇中，我们将继续详细介绍CSX系列USB音频界面卡的设计理念和功能模块。
本文借助了豆包来辅助写作，但都经过了作者的校验！
BigBenAudio
2025.11.07
