
头条
让 数字 人 真正 “听得见”: 我的 Barge-in 实时 语音 架构
从本地麦克风、WebRTC AEC3 和 DeepFilterNet3,到唤醒、双 VAD、双 ASR 与响应撤销:拆解一套纯 CPU 数字人实时语音打断系统。
语音识别14 分钟 · 5.8 千字
软件 · 系统 · 长期主义
记录软件架构、工程实践和那些值得反复推敲的设计决定。少一点捷径,多一点可以解释的取舍。

头条
从本地麦克风、WebRTC AEC3 和 DeepFilterNet3,到唤醒、双 VAD、双 ASR 与响应撤销:拆解一套纯 CPU 数字人实时语音打断系统。
输入材料:《工业智能随身作业盒完整技术方案 V1.0》(下称"作业盒方案")、《DMR 数字对讲机 AI 个呼语音交互系统》(下称"DMR 方案") 定一套方案:安卓三防 PTT…
测试集:《包西意图标准化模块_测试问题集.xlsx》400 条。400 条逐条结果和混淆矩阵见 D:/xwechat_files/wxid_5pqlkzkrgfn422_d3cd/…
回答操作事件用于在最终回答中提供“查看详情、修改展示、继续处理、确认执行”等入口。 客户端只接受声明式 JSON,不接受可执行代码。
自然语言是信息化交互的第一道关口。用户说出的、键盘输入的或 OCR 识别出的内容,往往不是可以直接用于业务路由和工具参数的规范表达,常见问题包括: 错别字、ASR 同音错误、OCR…