清晰拾音

嘈杂现场也听得清,设备说话时可随时插话

本地计算

全本地实测说完 0.9 秒回复,断网也能对话

调优即用

每款硬件都做过实测调优,代码开源

场景详情

设备上的远场拾音与打断、本地识别与理解、语音指令驱动设备。

远场拾音与打断

痛点挑战

交互终端自身喇叭播放音频时,麦克风极易被自身声音回灌堵塞,导致机器在播报时无法听到外部人声,用户必须等机器人说完才能再次发问,交互生硬迟钝。

端侧解法

终端集成硬件级声学回声消除(AEC)阵列板,在芯片层直接消除自身参考播放信号,即使在 80dB 播放大音量下依然能瞬时捕获用户插话指令并即刻切断播报。


核心优势

  • 回声消除:硬件级 AEC 实时抵消自身八十分贝大音量
  • 声源测向:板载 DoA 算法输出方位角并定向波束成形
  • 随时打断:全双工架构检测到用户插话毫秒级切断播报

硬件回声消除

设备自己播放的声音在阵列板上消掉,不会被当成指令。电机、齿轮等机械噪声不在消除范围内。

声源方向与波束

板上输出声源方向(DoA)并做波束成形,拾音约 5 m;圆形阵列覆盖 360°,线形 180°。

随时打断

回复播放时麦克风保持收音,用户插话后设备停止播放,转入下一轮;可在设置里关闭。

可打断对话式语音 AI

可直接部署
$npx -y @seeed-studio/solution-cli deploy conversational_voice_ai
查看完整方案与选型 →

本地识别与理解

痛点挑战

依赖公网云端大模型服务在弱网或专网断网环境下完全停摆瘫痪,按调用次数计费使长期运行运营成本失控,且企业敏感业务数据存在出境合规隐患。

端侧解法

边缘主机板载神经处理单元,在本地离线运行端侧 ASR、轻量参数大语言模型与端侧语音合成,全流程零外网依赖且响应延迟稳定控制在 1 秒以内。


核心优势

  • 多语种识别:离线支持三十种语言并保持毫秒级端侧响应
  • 断网可用:端侧大模型就地推理对话数据完全不出设备
  • 音色定制:提供多档音色并支持参考音频快速克隆声线

多语言识别

支持 30 种对话语言,部署时选定一种;该设备不支持所选语言时部署直接报错。

本地大模型

大模型在本地主机上运行,对话文字不出设备。

音色与人设

音色分机器音、模拟音、真人音三档;真人音模型可用参考音频克隆音色。

对话式桌面机器人

可直接部署
$npx -y @seeed-studio/solution-cli deploy reachy_claw_voice_robot
查看完整方案与选型 →

指令驱动设备

痛点挑战

具身智能机械臂或服务机器人依靠传统键盘触屏操作无法解放工作人员双手,而网络语音指令控制延迟波动大,极易引发机械臂抓取动作滞后或碰撞干涉。

端侧解法

机器人就地内嵌小型边缘算力模块,通过低延迟语义意图抽取将口头指令就地解析为结构化坐标与动作代码,经内部高速总线在几十毫秒内直驱关节执行抓取。


核心优势

  • 即说即抓:口头点名物体经高速总线直驱机械臂执行抓取
  • 免训扩展:目标物品列表纯配置化新增物品无需重新训练
  • 意图对齐:语义模糊匹配容错映射将非标准表达转为指令

说名字就抓

从语音指令到物体带回约 11 秒;可抓纸盒、不透明水杯、直立不透明瓶、香蕉、橙子。

加物体不重训

检测器的物体列表是配置项,加新物体改配置即可;透明物体和宽于 10 cm 的物体不在范围内。

接设备与系统

指令库可扩展,说法不完全一致时匹配最接近的命令,再发给设备或业务系统。

部署与选型

配置器按用途、音色档次、并发、本地大模型、拾音方案与延迟要求逐步给出具体型号。

不确定怎么选? 看完整的选型攻略 →

用途

配置您的方案

一步一问,逐步收敛到推荐清单

  • 唤醒前端套餐

    仅做唤醒词 / 命令词;搭配客户自有上位机

    硬件/物料名称数量型号/SKU说明
    XIAO ESP32-S3 Sense (板载麦克风)1113991115-
  • 本地转录套餐

    单语种本地 STT,无 TTS;适合会议笔记 / 语音记事

    硬件/物料名称数量型号/SKU说明
    ReSpeaker Lite (2-Mic 近场)1107990273-
    reRouter CM4 1020321110110205-
  • 双向对话套餐

    多语言识别 + TTS;可选云端或本地 LLM

    硬件/物料名称数量型号/SKU说明
    ReSpeaker Lite (近场 ≤3m)1107990273-
    reRouter CM4 102032 — 机器音入门(单语种)1110110205-

架构拓扑

按需选择前端混合或一体化架构

算力放在哪台设备,决定整机能跑哪些语音功能和单台 BOM。常见做法分 3 类:


核心优势

  • 纯前端架构:轻量模组完成唤醒与降噪搭配客户已有上位机
  • 混合部署:端侧负责低延迟语音收发复杂大模型托管云端
  • 端侧一体:算力主机全本地闭环运行高隐私高实时场景
产品图设备纯语音并发语音能力本地大模型
reRouter CM4 系列reRouter CM4 系列单路机器音不支持(可选云端)
reComputer RK3576 系列reComputer RK3576 系列单路模拟音4B–7B(需 RK1828 加速卡)
reComputer RK3588 系列reComputer RK3588 系列单路模拟音4B–7B(需 RK1828 加速卡)
reComputer J30 系列reComputer J30 系列单路真人音~2B
reComputer J40 系列reComputer J40 系列2–3 路真人音4B–7B
reComputer J50 系列reComputer J50 系列3 路以上真人音7B–14B
NVIDIA Jetson AGX Thor Developer KitNVIDIA Jetson AGX Thor Developer Kit6 路以上真人音14B–32B

本地语音主机

语音主机覆盖入门级至旗舰算力

架构图中间的「语音主机(ASR / TTS / Agent)」区块由下表选型(族级):各设备族的纯语音并发、语音能力与可部署的本地大模型规模;具体型号、配置与配件组合在下方配单器里选择(麦克风与扬声器选型见下个 Tab)。注:本地大模型与语音链路同机运行时性能会有折损、响应延迟会增加;高并发 + 大模型建议选更高算力档位。


核心优势

  • 入门轻量:CM4 与 RK3576 承载单路命令词唤醒与离线语音
  • 专业双工:J30 与 J40 支持真人音色与多并发本地大模型
  • 旗舰算力:Thor 主机承载高并发语音并运行大参数模型
产品图产品类型适用范围关键参数
ReSpeaker LiteReSpeaker Lite拾音 (近场)≤ 3m / 桌面 / 单人工位2-Mic 阵列 / 板载 AI 音频处理 / USB · I²S
ReSpeaker XVF3800ReSpeaker XVF3800拾音 (中远场)3–5m / 会议 / 客厅 / 工位4-Mic / XMOS DSP / AEC / 含 ESP32S3 唤醒前端
reSpeaker ClipreSpeaker Clip拾音 (佩戴式)佩戴随身 / 最远 3m / 360°2-Mic PDM / SpeexDSP 降噪 / 蓝牙 BLE 5.3 + Wi-Fi
ReSpeaker Flex Circular-4ReSpeaker Flex Circular-4拾音+出声 (圆形)装进设备 360° / 含唤醒前端4-Mic / XMOS DSP / AEC / 含 ESP32S3 / 10W 功放
ReSpeaker Flex Linear-4ReSpeaker Flex Linear-4拾音+出声 (线形)装进设备 180° / 含唤醒前端4-Mic / XMOS DSP / AEC / 含 ESP32S3 / 10W 功放

拾音与扬声器

按拾音距离与整机形态匹配声学

麦克风的核心选型变量是"拾音距离"与"环境噪声"。拾音 + 出声搭配的关键参数与推荐组合如下。


核心优势

  • 全场景形态:提供桌面近场板载集成与佩戴式多种麦克风
  • 板载声学:芯片硬件级集成回声消除降噪与声源定位算法
  • 开放集成:提供标准接口与开源固件支持快速装配整机

常见问题

没有找到你要的答案?
联系我们
获取可部署方案与产品选型支持。
下一步