Hoe kies je een mini-pc? Er zijn zoveel varianten, van enorm klein en licht tot … een stuk minder ‘mini’ dan gedacht. Ook de prestaties en uitbreidingsmogelijkheden lopen uiteen, wat belangrijk is als je er meer mee gaat doen dan alleen de bekende Office-toepassingen. We zetten in dit artikel de keuzes op een rij!

Tip 01: Vaste werkplek

Een mini-pc is natuurlijk ideaal voor een vaste hobby- of werkplek. Sommige zijn zo klein dat je ze makkelijk onder het bureau of zelfs achter een monitor wegstopt. Ze hebben ook niet de beperkingen van veel laptops. Je hebt bijvoorbeeld volledige controle over het scherm en toetsenbord. De meeste mini-pc’s kunnen zelfs moeiteloos een opstelling met meerdere beeldschermen aan, soms twee maar meestal drie of zelfs meer. Ook het aansluiten op een televisie is vaak een goede optie. Wat uitbreidingsmogelijkheden, vaste aansluitingen en draadloze voorzieningen (zoals wifi en bluetooth) betreft zijn er weinig verschillen met een moderne laptop. De mini-pc gebruikt immers vaak onderdelen die oorspronkelijk voor laptops zijn ontwikkeld. Dat betekent trouwens ook dat een mini-pc doorgaans erg zuinig is.

Tip 02: Formaat

De term mini-pc is een breed begrip. Het kleinst zijn zonder twijfel de mini-pc’s in de vorm van een hdmi-stick, die je direct in een monitor of televisie kunt steken. Een bekend voorbeeld is de Intel Compute Stick. Deze komt meestal wel wat kracht te kort. Voor een zeer kleine maar volwaardige mini-pc kom je qua grootte al snel uit bij de Intel NUC, wat een van de trendsetters is (zie kader). Veel fabrikanten kwamen met alternatieven in nagenoeg datzelfde formaat, zoals de Gigabyte Brix en ASRock Beebox. Hierna kom je ze in alle soorten en maten tegen. Het is verstandig goed na te gaan hoe breed, lang en diep een geadverteerde mini-pc écht is. Op een foto is dat zelden goed te zien. Steeds vaker geven fabrikanten de inhoud in liters op, wat ook een goede indicatie geeft. Wil je een mini-pc netjes wegwerken in een kastje (met voldoende ventilatie!) dan zul je extra scherp op de afmetingen moeten letten.

©PXimport

Trendsetter

Tip 03: Toepassingen

Een groot pluspunt van mini-pc’s is dat ze erg breed inzetbaar zijn. Ze komen dus niet alleen van pas op de vaste werkplek. Veel modellen kun je prima als zogenaamde htpc (home theatre pc) inzetten voor bij de tv. Ze hebben daar alles voor in huis, waaronder wifi, de hdmi-aansluiting die je ook op vrijwel iedere tv vindt en ook nog een infrarood-oogje om toepassingen op afstand te bedienen. Daarnaast zijn ze prima als kleine thuisserver inzetbaar. Je zet hem dan bijvoorbeeld in de meterkast. In vergelijking met een zware server zijn ze veel zuiniger terwijl ze – afhankelijk van het model – evengoed veel kracht hebben. Zo kun je op een thuisserver met bijvoorbeeld Plex of Emby je eigen mediabibliotheek aanleggen en allerhande content streamen door je huis, naar een smart tv of geschikte mediaspeler in je netwerk. Zo’n mini-pc heeft weliswaar zelf vaak niet zo veel opslagruimte, maar werkt natuurlijk wel weer mooi samen met netwerkopslag, bijvoorbeeld een nas. Dankzij die brede inzetbaarheid kun je een afgedankte mini-pc ook makkelijk een tweede leven geven!

©PXimport

Tip 04: Integratie

Zijn er eigenlijk nog redenen om toch een desktop-pc in huis te halen? Meestal niet. De vele insteeksloten op moederborden worden zelden nog gebruikt. Onderdelen als de geluidskaart en netwerkfuncties zijn al lang geïntegreerd op het moederbord. Al te veel harde schijven hoef je ook niet in een pc kwijt. Een kleine ssd van 2,5 inch of een nog kleiner insteekkaartje in het zogenaamde M.2-formaat is vaak genoeg. Zeker in combinatie met een nas of externe harde schijf. Zo’n ‘bakbeest’ heeft eigenlijk alleen nog het voordeel dat je een stevige videokaart kunt plaatsen en meer upgrademogelijkheden hebt. Maar het vervangen van bijvoorbeeld de processor is in de praktijk zelden interessant, zeker als de markt al weer een paar generaties verder is.

©PXimport

Tip 05: Sleutelen

Juist omdat alles zo sterk is geïntegreerd valt aan een mini-pc meestal niet zo veel te sleutelen. Vaak zijn alleen het werkgeheugen en de opslag te verwisselen, maar zelfs dat is niet vanzelfsprekend. Dat laat Apple met de Mac Mini zien. In de vorige generatie was bijvoorbeeld het geheugen vastgesoldeerd. In de laatste generatie ligt ook de opslagcapaciteit vast, en zijn alleen de geheugenmodules (met moeite!) te verwisselen. Er wordt namelijk een soort flash-opslag gebruikt, wat ook voor veel laptops gebruikelijk is. De Mac Mini is onder de mini-pc’s wel een beetje een uitzondering: bij de meeste mini-pc’s kun je de opslag wel zelf kiezen. Sommige mini-pc’s hebben zelf ruimte voor meer dan één schijf. Juist omdat aan een mini-pc weinig te sleutelen valt is het wel raadzaam een model te kopen dat een tijdje mee kan.

©PXimport

Tip 06: Grafische kracht

Tenzij je video’s wilt gaan bewerken of zware games spelen (zie volgende tip) heeft een mini-pc genoeg grafische kracht en vaak ook genoeg aansluitingsmogelijkheden. Twee of drie beeldschermen aansluiten is zelden een probleem. Een gunstige ontwikkeling zijn de mini-pc’s met usb-c aansluiting of de nog modernere Thunderbolt. Die ziet er op de bliksemschicht na hetzelfde uit, maar maakt een nog snellere gegevensoverdracht mogelijk. Zowel usb-c als Thunderbolt leent zich er, zolang de hardware dat ook ondersteunt, voor om één of meerdere beeldschermen aan te sluiten. Via adapters kunnen dat schermen met bijvoorbeeld DisplayPort, dvi of hdmi zijn. Uiteraard zijn er veel meer accessoires die usb-c of Thunderbolt benutten.

©PXimport

Tip 07: Externe videokaart?

Wil je zwaardere games spelen of video in hoge resolutie bewerken dan loop je – net als bij laptops – wat eerder tegen de beperkingen van de mini-pc aan. Er bestaan weliswaar enkele mini-pc’s die meer op gamers zijn gericht, maar die zijn ook erg prijzig en niet zo toekomstgericht. Een mini-pc met Thunderbolt-aansluiting geeft je meer flexibiliteit doordat je hier meestal een externe videokaart op kunt aansluiten. Dat zijn in feite losse behuizingen, vaak nog groter dan de mini-pc zelf, waar een krachtige videokaart in zit met veelal meerdere aansluitingen voor je beeldschermen. Zo kun je toch gewoon video’s bewerken of de modernste games spelen. Ze zijn vooral gericht op gebruikers die geen zware en logge game-laptop (willen) hebben maar wél gamend los willen gaan. Een nadeel is dat ze groot zijn, een zware voeding hebben, vrij luidruchtig kunnen zijn en ook nog een stevig prijskaartje hebben.

©PXimport

Tip 08: Processor en geheugen

In de laatste modellen mini-pc’s vind je processoren uit de nieuwe achtste generatie processors van Intel. Die dragen (meestal) de codenaam Coffee Lake. Hoewel er nog altijd Celeron- en Pentium-varianten zijn, zien we vooral veel mini-pc’s met een i3, i5 of i7-processor. Dat kan een desktop-variant zijn maar ook de zuinige mobiele variant die ook in laptops wordt ingezet. Als je video’s wil gaan bewerken of de zwaarste games wil spelen, bijvoorbeeld met de hulp van een externe videokaart (zie vorige tip), moet de processor in mini-pc niet een te lichte variant zijn, want die moet het immers ook kunnen bijbenen! Voor gewone Office-toepassingen is een i3 zeker toereikend. Wat geheugen betreft is 8 of 16 GB een goed uitgangspunt. Dankzij ddr4-ondersteuning heb je vaak de mogelijkheid om tot 32 GB of meer uit te breiden.

©PXimport

Tip 09: AMD

Hoewel Intel de boventoon voert is AMD wel aan een inhaalslag bezig op de desktop-markt. Dit dankzij Ryzen, de laatste serie processors met uitstekende prijs/prestatieverhouding. In mini-pc’s zien we ze nauwelijks terug. Het is wel altijd een optie om zelf een systeem samen te stellen met een Mini-ITX moederbord of het nog kleinere Mini-STX, dat qua afmetingen een beetje tussen de Mini-ITX en Intel NUC uitkomt. ASRock levert met de DeskMini A300 sinds kort een compleet systeem met zo’n type moederbord. Voor zelfbouw vind je in het Mini-ITX-formaat het breedste aanbod. Je kunt er een stevig systeem mee opbouwen, maar niet echt een mini-pc. Neem je bijvoorbeeld een behuizing zoals de Fractal Design Node 304 dan is het volume zo’n 20 liter. Aan de andere kant heeft het ook niet de beperkingen van veel mini-pc’s. Je kunt er bijvoorbeeld een volwaardige grafische kaart in steken.

Tip 10: Barebones

Intel is weliswaar trendsetter maar al lang niet meer de enige fabrikant die mini-pc’s uitbrengt. Ook merken als Asus, ASRock, Gigabyte, MSI, Medion, Shuttle, Zotac, HP, Fujitsu en Lenovo leveren compacte pc’s. Je komt zowel kant-en-klare mini-pc’s tegen waarmee je vrijwel direct aan de slag kunt als zogenaamde barebones. Dat zijn kale mini-pc’s waarbij je zelf voor geheugen en opslag moet zorgen en soms ook nog de processor. Vaak ben je met een barebone wat goedkoper uit, al ben je wat meer afhankelijk van de marktprijzen voor de onderdelen. Een barebone betekent wel dat je een klein beetje moet sleutelen, al is bijvoorbeeld een geheugenmodule heel makkelijk te plaatsen. Belangrijk is vooral dat je het correcte geheugen kiest, je kunt hiermee snel tegen compatibiliteitsproblemen aanlopen. Ook zul je zelf voor het besturingssysteem moeten zorgen.

Tip 11: Apple met OS X

Hoewel wat onderbelicht heeft Apple met de Mac Mini een zeer degelijke lijn mini-pc’s, gericht op liefhebbers van macOS en - gezien de prijzen - ook meer en meer op professionals. De vierde generatie werd eind oktober 2018 aangekondigd en is inmiddels goed verkrijgbaar. Het voelt wel als een achtergebleven kindje want er zijn al weer vier jaar gepasseerd sinds de voorgaande reeks. Het ontwerp is los van de donkere kleur, die lijkt op die van de iMac Pro, vrijwel gelijk gebleven. Intern is wel onder andere de koeling verbeterd en je krijgt betere (desktop)prestaties. De specificaties zijn behoorlijk opgekrikt al geldt dat ook voor de prijzen.

©PXimport

Kooptips

Compact en krachtig: Intel NUC815BEK

©PXimport

Klein, flexibel en voordelig: ASRock DeskMini 310

Voor de Apple-fan: Mac Mini (2018) 3,6 GHz i3 8GB/128GB

©PXimport

Dagelijks hoor en lees je over artificiële intelligentie (AI). Daarbij worden vaak termen als neuraal netwerk en deep learning gebruikt. In dit artikel vertellen je hier meer over en gaan we ook zelf met AI aan de slag. We doen dit via TensorFlow Playground en Google Teachable Machine.

Het begrip artificiële intelligentie verwijst naar de mogelijkheid om zelfstandig kennis op te nemen, problemen op te lossen en beslissingen te nemen, net zoals een mens. Het woord ‘artificieel’ duidt erop dat deze vorm van intelligentie door mensen is ontworpen en door computers of machines wordt uitgevoerd en dus niet door een biologisch brein.

Veel AI-toepassingen, zoals beeld- en spraakherkenning en taalverwerking, maken hierbij gebruik van zogenoemde neurale netwerken. Deze zijn namelijk uitstekend geschikt voor het herkennen van complexe patronen in grote hoeveelheden ongestructureerde data.

Zo’n digitaal neuraal netwerk (DNN) is gebaseerd op de werking en structuur van het menselijke brein, maar het blijft niet meer dan een abstracte vereenvoudiging. Het menselijke brein is tenslotte (vooralsnog) aanzienlijk complexer, flexibeler en vooral ook energiezuiniger met een maximaal verbruik van circa 20 watt. Ons brein is bovendien superieur in creativiteit, contextueel begrip en emotionele verwerking. 

Digitaal neuraal netwerk

Een digitaal neuraal netwerk (DNN) werkt net als het biologisch brein met neuronen (zie bovenstaand tekstkader). Alleen in een DNN gaat het hierbij om wiskundige rekeneenheden die informatie verwerken. Elk neuron ontvangt invoer, vermenigvuldigt deze met een gewicht om de relevantie te bepalen en telt daar een compensatiewaarde, de zogeheten bias, bij op. Samen vormen deze gewichten en biases de ‘parameters’. GPT-4 bevat er naar schatting 1,7 biljoen.

De informatie stroomt door een of meer verborgen lagen tussen de invoer- en uitvoerlaag. Elke verborgen laag verwerkt de gegevens verder, waardoor complexere patronen worden herkend. Hiervoor gebruikt elk neuron een zogeheten activatiefunctie, die bepaalt of en in welke mate de uitvoer wordt doorgegeven. Zonder activatiefuncties zou het netwerk alleen eenvoudige wiskundige verbanden leren, zoals rechte lijnen, terwijl het nu ook met complexe, gebogen of gelaagde patronen overweg kan.

Een eenvoudig digitaal neuraal netwerk, met één verborgen laag.

Sturing en zelflering

Mensen sturen het DNN indirect aan door het bepalen van het aantal lagen, het aantal neuronen per laag en het type activatiefunctie. Verder kiezen ze hoe het netwerk moet leren, bijvoorbeeld door te bepalen hoeveel data het ziet en hoe complex de gegevens zijn, hoe vaak het leert en hoe groot de aanpassingen mogen zijn. Tijdens deze training worden de parameters automatisch aangepast door het netwerk om optimaal patronen te herkennen en voorspellingen te doen.

Vereenvoudigd komt het hierop neer: nadat het netwerk een voorspelling heeft gedaan, wordt berekend hoe ver deze afwijkt van de juiste waarde, waartoe het netwerk tijdens de training toegang heeft. Deze afwijking wordt vervolgens teruggestuurd door het netwerk, van de uitvoer- naar de invoerlaag. Onderweg berekent het netwerk hoeveel elke verbinding (gewicht) en extra waarde (bias) heeft bijgedragen aan de fout. Daarop past het netwerk de parameters aan om de fout kleiner te maken. Dit proces herhaalt zich vele malen, zodat het netwerk steeds accurater wordt. Dit principe wordt ‘backpropagation’ genoemd (letterlijk: achterwaartse terugkoppeling) en maakt dat het netwerk grotendeels zelflerend is.

©Vallabh soni - stock.adobe.com

Backpropagation: het netwerk stuurt zelf bij op basis van de vastgestelde afwijking.

TensorFlow Playground

Spelen met werking DNN

Het wordt interessanter wanneer je zelf experimenteert met de principes en werking van een DNN. Ga naar https://playground.tensorflow.org. Hier herken je de lagen met neuronen: een invoerlaag, twee verborgen lagen en een uitvoerlaag. Bij DATA is al een specifieke dataset geselecteerd. Zodra je op Run (het pijltje) klikt, probeert het netwerk het patroon in de gekozen dataset te herkennen. Het resultaat verschijnt onder Output.

Hoe langer je het proces laat lopen, hoe hoger het aantal trainingscycli (hier epochs genoemd) en hoe accurater de ruimte-indeling of dataclassificatie in de output: blauwe achtergrond voor blauwe punten en oranje achtergrond voor oranje punten. Omdat het standaard om een eenvoudig datapatroon gaat, zal de Training loss waarschijnlijk 0.000 zijn. Dit betekent dat het netwerk het patroon vrijwel meteen correct herkent op basis van de ingestelde parameters, zodat er nauwelijks of geen backpropagation nodig is.

Met de standaardinstellingen kan dit neurale netwerk moeiteloos overweg.

Verdere aansturing

Je kunt het netwerk flink uitdagen door enkele instellingen aan te passen. We geven je enkele mogelijkheden die zeker leerzaam kunnen zijn. Activeer in de invoerlaag bijvoorbeeld alleen de bovenste eigenschap X1. Het netwerk classificeert dan uitsluitend op basis van de horizontale posities van de punten. Voor de derde dataset (linksonder) kan dit voldoende zijn, maar voor andere niet. Probeer het gerust zelf uit. Je zult ook merken dat hoe meer features je inschakelt, hoe meer informatie het netwerk gebruikt en hoe beter het complexe patronen kan herkennen.

Verhoog eens Noise (ruis) met de schuifknop om het leerproces te bemoeilijken. De datapunten worden hierdoor minder gestructureerd, wat je meteen terugziet in de Output. Verminder nu eens het aantal neuronen (via de minknop boven elke laag) om het netwerk minder complexe beslissingen te laten nemen. Minder verborgen lagen verlaagt eveneens de capaciteit om diepere datapatronen te leren.

Nog steeds te makkelijk? Verlaag dan de Learning rate naar bijvoorbeeld 0.0001. Een lagere leerratio betekent tenslotte kleinere stappen bij het aanpassen van de gewichten (wat zich hier visueel vertaalt als minder snel aangepaste lijndiktes tussen de neuronen), waardoor het netwerk langzamer leert.

Experimenteer gerust verder met andere, ook meer geavanceerde instellingen om het netwerk – en jezelf – uit te dagen.

Met deze instellingen wordt de training van het neurale netwerk nagenoeg onmogelijk.

Deep learning

Een DNN is een van de meest effectieve methoden of algoritmen binnen machine learning (ML), waarbij computers leren van data zonder ze expliciet te moeten programmeren. Het is vooral geschikt voor complexe taken zoals beeldherkenning, spraakherkenning en taalverwerking.

Eenvoudige ML-modellen hebben meestal een of enkele verborgen lagen. Bij een complexere architectuur met meerdere verborgen lagen, die in staat is complexere patronen en relaties te herkennen, spreekt men van deep learning (DL). Deep learning is daarmee een subonderdeel van machine learning, al is het onderscheid niet altijd scherp te maken.

Bij DL gebruikt het neurale netwerk logischerwijze meer parameters, wat meteen ook een grotere hoeveelheid data vereist om het effectief te kunnen trainen. Meer data en parameters vereisen uiteraard ook meer rekenkracht, waarvoor vaak talrijke gpu’s (Graphics Processing Units) of gespecialiseerde processors als Googles TPU’s (Tensor Processing Units) nodig zijn.

Een Google TPU op een PCIe-kaart.

Google Teachable Machine

Experimenten met AI

Het zal je nauwelijks verbazen dat je, behalve geavanceerde kennis, frameworks als TensorFlow of PyTorch nodig hebt om een DL-model te ontwikkelen. Wil je hier desondanks toch mee experimenteren, dan biedt Googles Teachable Machine een uitstekende omgeving. Dit project heeft namelijk een interface waarmee je zonder technische expertise toch een AI-model kunt trainen.

Het platform is gebaseerd op DL-technieken en gebruikt neurale netwerken om patronen en kenmerken in diverse datasets te herkennen. Het werkt met voorgetrainde modellen, maar je kunt ook eigen gegevens toevoegen om een aangepast model te trainen. Na training kun je het model exporteren in verschillende formaten en inzetten in een web-app, mobiele app of op toestellen als Raspberry Pi, Arduino of IoT-apparaten.

Via deze GitHub-pagina vind je talrijke leuke projecten met Teachable Machine (van Bananameter tot Snake Game), evenals tutorials. Maar laten we nu vooral zelf aan de slag gaan met een bescheiden project.

Dit model heeft meteen door dat deze banaan overrijp is.

Starten met project

Surf naar https://teachablemachine.withgoogle.com. Hier leer je een computer trainen om je eigen afbeeldingen, geluiden en houdingen te herkennen. Klik op Aan de slag om een nieuw project te starten en kies uit drie modelopties: Projectafbeelding, Audioproject of Project met houdingen.

Wij nemen het eerste model als voorbeeld. Dit opent een venster waarin je kunt kiezen tussen een Model voor standaard afbeelding (kleur, 224 × 224 pixels) of een Model voor ingesloten afbeelding (grijswaarden, 96 × 96 pixels). Dit laatste, een embedded model, is geschikt voor microcontrollers. Wij kiezen hier voor het wat grotere standaardmodel.

Teachable Machine laat je uit drie grote trainingsmodellen kiezen.

Dataset en klassen aanmaken

Je komt nu terecht op een webpagina waar je eerst je dataset moet aanmaken. In dit geval bestaat deze uit afbeeldingen. Je deelt deze op in twee of meer categorieën, die je ook labelt. Teachable Machine heeft standaard twee categorieën (klassen), maar via +Een klasse toevoegen kun je eenvoudig meer klassen toevoegen.

Het aantal klassen dat je nodig hebt, hangt af van je project. Voor het onderscheiden van bijvoorbeeld QR-codes en zebrapatronen volstaan twee klassen (QR en Zebra). Wil je echter overrijpe, rijpe en rauwe bananen classificeren, dan heb je er minstens drie nodig. Zorg eerst dat het juiste aantal klassen beschikbaar is. Via de knop met drie stippen verwijder je desnoods overtollige klassen. Klik bij elke klasse op het potloodicoon en geef de categorie een zinvolle naam.

Daarna voeg je data toe aan elke klasse via de knop Uploaden of Webcam. Bij gebruik van de webcam moet je de pagina toegang geven tot de aangekoppelde camera. Door op Ingedrukt houden om op te nemen te klikken, stuur je continu snapshots naar Teachable Machine. De afbeeldingen verschijnen vervolgens in de betreffende klasse.

Vul je dataset met voldoende en gevarieerde afbeeldingen, via webcam en/of uploads.

Trainen en testen

Zodra je voldoende en gevarieerde data hebt toegevoegd, kun je het AI-model trainen. Klik op Model trainen om direct te starten of pas eerst enkele instellingen aan via het pijlknopje bij Geavanceerd. Hier kun je Tijdvakken, Batchgrootte en Leersnelheid aanpassen, vergelijkbaar met Epochs, Batch size en Learning rate in TensorFlow Playground. Klik op het vraagteken voor meer uitleg. Bij Geavanceerde opties kun je in een apart venster interessante statistieken over het trainingsproces bekijken. Na afloop verschijnt de melding Model getraind.

Klik rechts op Voorbeeld bekijken, zet Invoer op AAN en kies of je via Webcam of Bestand data wilt aanleveren. Wij kozen voor Webcam en testten met verschillende afbeeldingen van QR-codes en zebra’s. Bij Uitvoer toont Teachable Machine een percentage dat de zekerheid van de classificatie weergeeft.

Een QR-code op de rug van een zebra: daar heeft Teachable Machine niet van terug.

Export

Als alles goed werkt en je het model buiten de Teachable Machine-omgeving wilt gebruiken, klik je op Model exporteren. Kies voor Tensorflow.js, selecteer Downloaden en klik op Mijn model downloaden. Pak het gedownloade zip-bestand uit in een lege submap \my_model. Deze bevat een drietal bestanden, maar niet je trainingsdata. Dit komt doordat de neurale netwerkarchitectuur, geoptimaliseerde gewichten en modelconfiguratie kunnen volstaan voor nieuwe voorspellingen.

Ga vervolgens naar het tabblad Javascript, klik op Kopiëren en plak de code in een teksteditor, zoals Kladblok of Notepad++. Sla dit op als een html-bestand in de map net boven de submap \my_model.

Om lokaal te kunnen testen zonder browserfoutmeldingen zet je eerst een eenvoudige webserver op. Wij gebruikten de gratis Abyss Web Server (voor Windows, macOS en Linux). Plaats het html-bestand samen met de submap \my_model in de standaardmap C:\Abyss Web Server\htdocs. Dubbelklik erop om het in je browser te starten. Als het goed is, kun je nu meteen je AI-model testen. Succes.

Je kunt het model bijvoorbeeld testen via een lokale webserver.

Bij ID.nl zijn we gek op producten waar je niet de hoofdprijs voor betaalt. Een paar keer per week speuren we daarom binnen een bepaald thema naar zulke deals. Ben je op zoek naar een goede bluetooth-speaker voor mee op vakantie? Wij zochten vijf modellen voor je uit voor minder dan 90 euro.

Een draagbare bluetooth-speaker is superhandig als je graag muziek luistert, waar je ook bent. Je koppelt ze in een paar seconden aan je telefoon of tablet, en je kunt meteen je favoriete playlist afspelen – zonder gedoe met kabels of ingewikkelde installatie. Gewoon aanzetten, verbinden en gaan met die beat. Wij zochten vijf modellen voor buiten voor je op, voor minder dan 90 euro.

JBL FLIP 6

Deze Flip 6 van JBL neem je makkelijk overal mee naartoe, maar produceert ondanks zijn compacte formaat toch flink wat geluid. Hij is klein genoeg om in je tas te gooien, maar als je hem aanzet, komt er verrassend veel bas en helderheid uit. Perfect voor op het strand, in het park of gewoon thuis op de keukentafel. Hij kan tegen een stootje – letterlijk – en is helemaal waterdicht. Dus regen of zwembad? Geen probleem. De batterij gaat zo'n 12 uur mee, dus je komt wel een dagje door. En heb je een vriend die ook een JBL-speaker heeft? Dan kun je ze koppelen voor dubbel zoveel geluid.

💪 Gewicht: 941 gram
🌊 Waterdicht: IP67
🔊 RMS-vermogen: 10 watt
🔋 Speelduur: 12 uur

Marshall Willen

De Marshall Willen valt op: niet alleen qua geluid, maar ook door z'n iconische rock-'n-roll-uiterlijk. Hij past makkelijk in je jaszak en maakt indruk met z'n kraakheldere geluid. Ondanks z'n formaat krijg je verrassend veel punch. De accu gaat gerust een hele dag mee en je kunt 'm gewoon meenemen onder de douche of in de regen – hij is namelijk waterdicht. Wat ook fijn is: hij heeft een handige clip waarmee je 'm ergens aan kunt hangen. Ideaal voor onderweg of op de fiets.

💪 Gewicht: 476 gram
🌊 Waterdicht: IP67
🔊 RMS-vermogen: 10 Watt
🔋 Speelduur: 15 uur

Sony ULT Field 1

De Sony ULT Field 1 is compact, makkelijk te dragen en zit verrassend goed in elkaar. Wat echt opvalt is de bas: lekker diep en vol. En als je dat niet genoeg vindt, zet je gewoon de ULT-knop aan voor nog wat extra power. Hij is water- én stofdicht, dus je hoeft 'm niet te sparen. De batterij houdt het een uur of 12 vol, wat prima is voor een dagje buiten. Gewoon een fijne, robuuste speaker die doet wat je nodig hebt.

💪 Gewicht: 650 gram
🌊 Waterdicht: IP67
🔊 RMS-Vermogen: 30 Watt
🔋 Speelduur: 12 uur

Ultimate Ears WONDERBOOM 4

De WONDERBOOM 4 is klein, rond en vrolijk, maar klinkt alsof-ie twee keer zo groot is. Zet hem in het midden van de kamer of je picknickkleed en iedereen hoort even goed wat er speelt, dankzij 360° geluid – en dat werkt verrassend goed. Hij is waterdicht én kan drijven, dus hij mag mee in bad of op een bootje, zolang je 'm maar niet lang onder water houdt. De batterij gaat ongeveer 14 uur mee, en als je er twee hebt, kun je stereo afspelen. Kortom: klein ding, groot geluid, nul zorgen.

💪 Gewicht: 420 gram
🌊 Waterdicht: IP67
🔊 RMS-Vermogen: niet opgegeven
🔋 Speelduur: 14 uur

Denver BTG-615

Denver is misschien nog niet zo bekend als de grote merken, maar deze 15 Watt BTG-615 verrast zeker. Voor een speaker onder de 50 euro krijg je een stevig geluid en een leuke lichtshow dankzij de ingebouwde leds. Perfect voor feestjes in je woonkamer of buiten op het balkon. Hij is spatwaterdicht, dus een beetje regen overleeft-ie wel. De batterij gaat zo'n 5 uur mee - dat is wel een stuk minder dan de andere hier besproken modellen, maar in principe voldoende voor een middagje muziek. En met een handvat bovenop neem je hem zo mee. Geen poespas, gewoon een leuke speaker die doet wat je verwacht.

💪 Gewicht: 2 kg
🌊 Waterdicht: IPX5
🔊 RMS-Vermogen: 15 Watt
🔋 Speelduur: 5 uur