公司动态

上一篇我们介绍了 VAD——它是整套语音链路的"门卫"，负责判断"有没有人说话"、"从哪开始、到哪结束"。但光听清还不够，设备还得"听懂"。今天我们来聊聊芯诚科技语音家族的另一位核心成员：‌自由说‌。

自由说，全称自由说自然交互（无NLU）。简单说，它负责把用户随口说的一句话，变成设备能执行的指令。不需要用户背命令词、不需要说得标准、不需要连云端——普通人怎么说话，它就怎么理解。

如果说VAD是语音交互的"耳朵"，那自由说就是语音交互的"脑子的第一层"：不用全听懂，也能猜对你想要什么。

 自由说不是更聪明的NLU，而是一条全新的技术路径

市面上大多数"自然语言理解"方案，走的是"全量理解"路线：先把语音转成完整文字，再用大模型做句法分析、语义推理、意图识别，最后输出结果。这条路的精度上限很高，但代价也很明显——模型大、算力高、依赖云端、成本贵，很难在普通家电和低功耗设备上落地。

‌自由说走了另一条路："语音—关键信息片段—意图组合"。‌

它不去追求"把整句话都听懂"，而是专注于从连续口语中抓取有价值的信息片段，再把这些片段组合成可执行的意图。打个比方：传统NLU像是在做"全文翻译"，而自由说更像是在做"关键词提取+逻辑拼接"——你说"有点热啊把空调打开调凉一点"，它抓出"热""空调""凉一点"这几个关键片段，就能准确判断出"开空调制冷"的意图。

这听起来简单，但真正做好很难：哪些词是关键的？片段之间怎么组合才对？用户说反话、说模糊话、说半截话的时候怎么办？芯诚科技的自由说，就是把这套"抓重点、组意图"的能力打磨到了足够稳定，能在端侧芯片上实时跑通。

算法链路：三步完成从语音到意图的跨越

自由说的链路并不复杂，但每一步都经过了深度优化，才能在极小的资源开销下稳定工作。整条链路可以分为三步：

‌1. 语音输入与特征抽取‌

原始语音信号进入系统，先经过芯诚自研的轻量声学处理模块，完成降噪、增强和端点检测——这里正是VAD发挥作用的地方。经过VAD过滤掉静音和噪声后，有效语音片段被送入后续环节，从源头上减少了无效计算。

‌2. 关键信息片段抽取‌

这是自由说最核心的一步。系统不再逐字逐句做语义解析，而是通过轻量模型，直接从语音特征中定位并抽取出与设备控制相关的关键信息片段：操作类（开、关、调大、调小）、属性类（温度、风速、模式、亮度）、数值类（26度、三档、百分之五十）、状态类（有点热、太冷了、太亮了）……抓的是"重点"，不是"整句"，模型体量自然就下来了。

‌3. 意图组合与输出‌

抽取出的关键信息片段，会送入轻量级意图组合引擎。引擎基于场景知识和语义规则，把多个片段实时拼接成完整的用户意图。比如"有点冷" + "空调" → 打开空调制热；"风太大了" + "小一点" → 降低风速；"别对着我吹" → 开启摆风/定向送风。整个组合过程在毫秒级完成，用户话音刚落，设备已经开始响应。

这条路径的本质，是用"片段抽取 + 规则组合"替代了"全量语义理解"，在设备控制这个垂直场景里，用十分之一甚至百分之一的算力，实现了90%以上的自然交互体验。这也是自由说能在端侧落地的核心原因。

四大核心亮点，把"自然交互"拉下云端

‌✨ 无需大型NLU模型‌

自由说不依赖大型自然语言理解模型，也不需要动辄数十亿参数的大模型支撑。整个算法栈经过深度裁剪和优化，可在通用MCU、低功耗DSP等芯片上直接运行。对设备厂商来说，这意味着BOM成本可控，不用为了"自然交互"四个字付出翻倍的硬件代价。

‌☁️ 无需云端，本地完成‌

所有计算全部在端侧完成，语音数据不需要上传云端做解析。带来两个直接好处：一是‌隐私安全‌，用户的对话永远留在设备里，不存在云端泄露风险；二是‌低延迟‌，省去网络往返时间，响应速度更快，说一句动一下，体验感完全不在一个量级。

‌🗣️ 支持口语化、模糊表达，零学习成本‌

这是自由说和传统离线语音方案最大的体验差异。传统方案只能识别固定词条——用户说的必须和词表里一模一样，差一个字都不行。自由说则能容忍各种口语化、模糊化的表达："有点热""太闷了""凉快一点""风别吹我""再暗一点""别太亮"……只要核心信息在，就能准确识别意图。用户拿到设备直接用，不用看说明书，不用背命令词。

‌🔋 离线低功耗，IoT设备的天然选择‌

因为模型小、算力需求低，自由说天然适合对功耗敏感的IoT设备。电池供电的智能风扇、智能门锁、穿戴设备都能跑，不用担心语音功能成为"电老虎"。离线可用也意味着断网环境下依然好用，老人小孩都能放心用，不会因为"连不上网"就变成哑巴设备。

首批落地场景：从空调风扇开始，覆盖全品类智能家电

任何技术最终都要落到具体场景里才有价值。自由说选择从大家最熟悉、最常用的家电品类切入。

‌❄️ 空调与风扇‌

这是自由说首批重点适配的两大品类。使用频率最高、语音控制的痛点也最明显——你总不能在热得满头大汗的时候，还要一字一句念"打开空调，制冷模式，温度设置为二十四摄氏度"吧？有了自由说，说"有点热"就开制冷，说"风再大一点"就加档，说"别对着我吹"就摆风。

‌🍳 厨房电器‌

油烟机、洗碗机、电饭煲、蒸烤箱……手上沾着油、沾着面的时候，语音控制是刚需。但传统命令式交互需要你记得住每道菜对应的模式名，自由说就不用——"烟机开大一点""蒸个米饭""帮我消毒一下"，随口说就行。

‌🧹 清洁电器‌

扫地机器人、洗地机、吸尘器……双手握着机器、弯腰拖地的时候，喊一声就能调节吸力、切换模式，不用停下来按按键。

‌💡 智能照明与窗帘‌

起夜时迷迷糊糊说一句"开个灯"，看书时说"亮一点"，睡觉前说"拉上窗帘"——不用找开关，不用摸手机，怎么自然怎么来。

‌🔒 智能门锁与安防‌

双手拎着东西开门、雨天撑伞回家，说一声"开门"就能解锁，不用腾出手找钥匙、输密码。

这些场景有一个共同点：‌用户双手被占用、视线不在设备上、或者状态不方便操作的时候，语音就是最自然的交互方式。‌ 自由说要做的，就是让这种"自然"真的自然，而不是披着语音外壳的"背单词"。

未来的自由说：从家电到穿戴，从单轮对话到连续理解

自由说的故事远不止于家电。随着算法的持续迭代和生态的不断完善，我们正在把这条"轻量自然交互"的技术路径，推向更广阔的设备形态和使用场景。

‌⌚ 穿戴电子：手表、耳机、智能眼镜‌

穿戴设备天生屏幕小、按键少，语音交互的价值比家电更大。但穿戴设备对功耗、体积的要求也更苛刻，这恰恰是自由说的优势所在。未来，你可以对着手表说"设个明天七点的闹钟"，对着耳机说"下一首，大声一点"，对着眼镜说"拍张照"——不用翻菜单、不用点屏幕，说一声就行。

‌🚗 车载与出行：导航、空调、音乐‌

开车时语音控制是刚需，但传统车载语音往往需要精准指令，驾驶员分心思考"该怎么说"本身就是安全隐患。自由说的口语化理解能力，能让驾驶员用最自然的表达控制导航、空调、音乐，说人话就能操作，安全又省心。

‌🧒 儿童与教育硬件：故事机、学习机、早教玩具‌

小朋友说话常常逻辑跳跃、表达不完整，传统语音交互很难跟上。自由说基于关键信息片段的理解方式，对不规范表达的容忍度更高，更适合儿童用户——让孩子用自己的说话方式就能和设备互动。

功能层面，我们也在持续进化：

· ‌多轮对话‌：支持"打开空调——再凉一点——风太大了"的连贯操作，不用每次重新说全；

· ‌上下文理解‌：结合时间、环境、历史操作判断意图，说"今天有点冷"能自动关联暖气或制热模式；

· ‌个性化适配‌：针对不同用户的说话习惯做轻量适配，越用越准、越用越懂你。

智能设备"会说话"已经成为标配，而‌能不能听懂人话、能不能自然地对话、能不能在端侧安静高效地工作‌，才是下一代交互的核心竞争力。

芯诚科技提供端侧自由说自然交互方案及完整音频链路配套，覆盖算法适配、软硬联调、场景验证到量产落地，帮助智能终端少一点命令感，多一点自然交互。

如需评估产品方案适配性或定制化自由说交互方案，可联系周小姐‌19129514233‌