场景详情
桌面对话机器人、工业语音控制、智能家居助手三类现场的交互方式与部署选择。
在设备上直接听懂并回话
设备上识别多种语言并用语音回复，可装进桌面设备、会议终端、导览机，做双向语音对话。
核心优势
- 多语言识别
- 随时打断
- 音色分档
用语音完成设备控制与现场录入，降低操作门槛
在仓储、车间、机房等现场，端侧语音可替代复杂界面与扫码工具，让一线工人通过自然语言完成出入库登记、设备点检、巡检表单填报、危险事件播报。本地 ASR 输出结构化文字，可对接 WMS / MES / IoT 平台。
核心优势
- 降低操作门槛
- 弱网可用
- 结构化输出
唤醒后本地处理，断网也能控
XIAO ESP32S3 做低功耗唤醒前端，唤醒后由主机完成识别、对话和语音回复；对接 Matter / HomeAssistant / 米家等本地协议执行控制。选本地大模型时，指令在本地处理，断网也能用。
核心优势
- 待机省电
- 自定义唤醒词
- 本地控制
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
三种架构形态：纯前端 / 混合 / 大模型一体
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
- 纯前端方案
- 混合方案
- 大模型方案
| 产品图 | 设备 | 纯语音并发 | 语音能力 | 本地大模型 |
|---|---|---|---|---|
 | reRouter CM4 系列 | 单路 | 机器音 | 不支持（可选云端） |
 | reComputer RK3576 系列 | 单路 | 模拟音 | 4B–7B（需 RK1828 加速卡） |
 | reComputer RK3588 系列 | 单路 | 模拟音 | 4B–7B（需 RK1828 加速卡） |
 | reComputer J30 系列 | 单路 | 真人音 | ~2B |
 | reComputer J40 系列 | 2–3 路 | 真人音 | 4B–7B |
 | reComputer J50 系列 | 3 路以上 | 真人音 | 7B–14B |
 | NVIDIA Jetson AGX Thor Developer Kit | 6 路以上 | 真人音 | 14B–32B |
按场景能力挑算力盒
AI 算力盒按“能跑哪些语音能力”分档。下表为本场景可用的设备清单（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
- 只做唤醒 / 命令词
- 单机版
- 专业级真人音
- 高并发 + 高级 LLM
| 产品 | 类型 | 芯片 | 拾音 距离 | 识音 角度 | 内置 功放 | 核心算法 |
|---|---|---|---|---|---|---|
 reSpeaker Lite | 线形 双麦 | XMOS XU316 | 3m | 180° | 5W | AEC · DoA |
 reSpeaker XVF3800 | 圆形 四麦 | XMOS XVF3800 | 5m | 360° | 5W | AEC · DoA · Multi-beamforming |
 reSpeaker Clip | 佩戴 双麦 | nRF5340+nRF7002 | 3m | 360° | — | 降噪（SpeexDSP） |
 reSpeaker Flex Circular-4 | 圆形 四麦 | XMOS XVF3800 | 5m | 360° | 10W | AEC · DoA · Multi-beamforming |
 reSpeaker Flex Linear-4 | 线形 四麦 | XMOS XVF3800 | 5m | 180° | 10W | AEC · DoA · Multi-beamforming |
reSpeaker 系列三大核心优势
核心优势
- 硬件拾音
- 板载声学算法
- 开放 SDK
常见问题
看对话模型放在哪。选本地大模型（RK3588 加 RK1828 加速卡，或 J4012）时，识别、对话和语音合成都在设备上，首次联网下载镜像和模型后可断网运行。选云端模型时，对话需要联网，识别和语音合成仍在设备上。
取决于算力档位：RK 系列与 J3011 为单路；J4012 支持 2–3 路；J5012 可达 3 路以上——以上均为纯语音链路（识别+合成）口径，接入本地大模型后算力被占用，建议按单路规划。多点位场景也可以多台设备横向扩展。
音频不会。识别和语音合成在设备上完成，录音不上传。选云端模型时，识别出的文字会发往你配置的模型接口；选本地大模型时，文字也留在设备上。对接业务系统时，传出去的是识别后的文字。
可以。唤醒词支持简短的中文或英文短语，启动时生效，灵敏度分严格、平衡、灵敏三档。音色分机器音、模拟音、真人音三档；J4012 上的真人音模型可用参考音频克隆音色。
提供一年硬件质保和一年技术支持。涉及二次开发的内容（自研应用、深度定制）建议走定制服务通道，由项目团队评估支持方式。
可以。方案中用到的 Seeed 设备支持定制 Logo、外观、包装和预装固件，也能在现有型号基础上增减接口或功能。具体范围和流程见 ODM/OEM 定制服务，也可以直接。