语音控制方案怎么选？从 KWS、ASR 到语音模组

没有一种语音方案适合所有产品。先确定词汇是否固定、是否必须离线、设备资源和量产方式，再决定使用 KWS、ASR、语音模组还是自定义模型平台。

四种常见路径

先回答五个问题

1. 用户要说的是固定词，还是任意句子？
2. 设备断网时是否必须继续工作？
3. 麦克风、内存、功耗和延迟预算是多少？
4. 模型需要部署到 Android、Web、Python、Linux 还是嵌入式设备？
5. 是做一个样机，还是要量产并长期维护？

什么时候优先选 KWS

如果产品只需要“开始、停止、打开、关闭、下一页”等固定命令，KWS 通常更轻、更快，也更容易离线运行。多关键词模型还可以把多个命令放进一个模型，减少多个模型并行带来的内存和调参成本。

什么时候必须用 ASR

当用户可以说任意内容，例如“播放周杰伦的某首歌”“把温度设置为 23 度”，就需要 ASR 和后续意图解析。不要为了营销而把开放式语音硬包装成 KWS。

上线前的验证

无论选择哪条路径，都应该用最终麦克风、距离、噪声、语言和真实用户测试召回、误触发、延迟、功耗与成本。