离线语音识别是什么意思

离线语音识别完全跑在机器人本身、或者驱动它的那块主板上。设备不会把音频推流到服务器，而是只听一小串固定的、它早就认识的口令：比如前进、停止、左转、右转这样的词。没有云端账号，不用登录，也没有任何音频离开这个房间。这和手机上的语音助手很不一样——后者会把你说的话送到数据中心，而且必须有实时联网才能回答。

代价是能力范围。离线口令识别不会跟你对话，也不会把整句话转成文字。它的设计目标是稳定地捕捉少数几个关键词，而这恰恰是一台要跑起来的机器人所需要的。

离线为什么适合课堂

首先是隐私。什么都不录、什么都不上传，你就不必去应付“孩子的声音躺在别人的服务器上”这种尴尬问题，也省掉了开通云端账号随之而来的知情同意书。

第二个理由是它就是能一直用下去。学校的 WiFi 常常是共享的、被过滤的，或者干脆很慢，而拉闸限电可能在课上到一半时把路由器搞停。离线的机器人不在乎这些。口令一旦加载好，不管网通不通，它都照样响应。

第三个理由是部署。不需要账号，就意味着三十人的班级没有什么要开通的，不用收集邮箱地址，也不用为按人头计费的订阅做预算。拆箱、加载口令集，就可以开动了。

设计一套真正管用的口令集

语音机器人的可靠性，大部分来自你挑的词，而不是麦克风。好的口令集又小又互不相似，机器人很少需要去猜。可以照着下面这份清单起步：

• 控制在六到八条口令。词越少，能混淆的东西就越少。
• 挑彼此发音差别明显的词。left 和 stop 一听就能分开，go 和 no 就不行。
• 尽量用双音节词。forward 比 on 更容易被听准。
• 避开日常聊天里常出现的词，否则机器人会在讨论时被误触发。
• 一定要有一条明确的停止口令，任何时候都能让机器人停下来，而且第一个就测它。
• 每条口令都用同样的方式说，距离和音量也保持接近，让学生养成一致的习惯。

该期待什么样的准确率

一开始就跟学生说实话：离线识别很好用，但不完美。在安静的房间里、离麦克风一米左右，一套挑选得当的口令集足够可靠，能开着小车跑完一条用胶带贴出来的赛道。背景噪声一大，准确率就会下降，所以三十个人闹哄哄的教室比小组难得多。设计时就要把这一点算进去。让机器人闪一下 LED 或者响一声，确认它听到了口令，孩子就知道该把词再说一遍，而不是喊得更大声。

把误识别当成工作的一部分会很有帮助。问一问 left 为什么没被听到，换一个更清晰的词，再试一次。真正的学习就发生在这个调试循环里。

做出你的第一台语音机器人

一台带两个电机和一支麦克风的简易小车，是合适的第一个作品。sheenbot∞ 主板正是为这类端侧项目准备的，一个班可以在同一个下午完成接线、加载一小串口令，并把车开起来。如果想在投入之前先看看学生用起来的效果，可以约一节试听课，到我们的学院现场看看，或者从商城买一套回家搭一台。先从三条口令开始——forward、stop 和 turn——等这三条稳了再扩充。