场景介绍

声网对话式 AI 开发套件是一套针对智能硬件的完备对话式 AI 解决方案。它提供即开即用的便捷体验，帮助开发者迅速验证、将对话式 AI 集成到智能硬件中，实现“让智能硬件开口说话”的目标。该方案适用于多种场景，包括 AI 玩具、教育硬件、陪伴设备、穿戴个人助手和家居语音助手。

方案架构

声网对话式 AI 智能硬件解决方案基于媒体流加速 RTSA（声网专为 IoT 行业设计的 RTC 客户端产品）和对话式 AI 引擎构建。方案技术架构如下图：

方案优势

极致 AI 对话体验

• 对话延迟低至 650 ms，打断响应低至 340 ms，接近真人对话速度
• 多模态交互体验：内置麦克风、摄像头、传感器接口，提供文本、音频、视频和触控交互功能
• 屏蔽 95% 环境噪声，实现精准识别

全球化能力赋能企业出海

• 覆盖 200+ 国家和地区的实时传输网络，大网端到端延时中位数低至 76 ms
• 35+ 语言支持，实现一套方案覆盖全球多区域
• 满足海外合规要求，满足 ISO (27001/27018 等)、GDPR、CCPA、HIPAA 等国际隐私法规

先进算法保障复杂环境下的流畅对话

• AI 降噪算法：屏蔽 95% 环境噪声，咖啡馆、火车站也能实现精准识别，避免交互失误
• BHVS 和声纹算法：背景人声过滤算法、声纹识别算法，保证多人对话场景主讲人锁定
• 优雅打断算法：让 AI 实时感知用户插话意图，精准判断何时说话、何时停止，还原自然对话节奏
• 弱网对抗算法：具备 80% 抗丢包能力，在地铁、地下室，仍能保障语音交互不中断，维持对话连贯性

灵活扩展，一站式解决方案方便快速验证支持

• 灵活的大模型支持：支持通义千问、豆包、Deepseek 等多种 AI 服务，以及自研大模型
• 主流 AI 与芯片支持：兼容多种主流通信标准，支持博通、乐鑫、展锐、君正、瑞芯微 RK、Sigmastar 等厂商的产品
• 极速产品原型送样：1 小时跑通示例项目，1 天完成产品原型送样；软硬件开源，快速完成从设计到上市全流程

平台兼容

声网对话式 AI 开发套件支持各类主流 Wi-Fi、LTE Category 1 通信标准、图像信号处理器（ISP 芯片），涵盖博通、乐鑫、展锐、君正、瑞芯微 RK、Sigmastar 等多家知名厂商的产品。具体支持的厂商品牌和芯片型号可以联系技术支持了解。

开发套件介绍

为了让您的想法快速商业化落地，声网与芯片原厂合作推出了一系列开发套件。本节介绍各系列开发套件的核心能力。

R1 套件

R1 套件基于博通集成 BK7258，开源了软件和硬件资料，拥有丰富的板载资源，如麦克风、扬声器、摄像头、LCD 屏幕、陀螺仪等，适用于各种对话式 AI 应用场景。

设计架构

完整的 R1 套件包含硬件设备和软件架构两大模块，各自包含的内容如下：

• 硬件功能模块

  

• 软件包架构

  

开发套件功能

功能	描述
全双工多模态交互	提供超低延时 AI 对话能力 支持自定义唤醒词和实时连续对话，还支持大模型实时视觉推理
高性能硬件	双麦克风阵列和本地 AEC 算法确保精准拾音，消除回声干扰 集成摄像头、陀螺仪，扩展视觉识别和运动感知能力
低功耗与便携设计	电池供电和深度休眠模式适配移动场景 支持蓝牙配网和 Wi-Fi 6，实现一键连接云端服务
多传感器交互融合	支持语音、触屏和陀螺仪（手势/倾斜控制）多通道输入 双屏协同显示提升用户体验
开发者友好生态	提供标准化 SDK、硬件文档和开源参考示例 开放音频、视频、数据通道接口，支持自定义 AI 场景开发

适用场景

场景	描述
AI 玩具	支持动态剧情调整，激发儿童创造力 即时解答儿童提问，将知识融入互动
AI 教育硬件	个性化学习，调整讲解深度与节奏 语言能力训练，模拟真实对话环境
AI 陪伴设备	通过自然闲聊与情绪共鸣，成为情感寄托 提供生活辅助，主动提醒健康事项
家居语音助手	支持自然交互和模糊指令，如“调暗灯光”、“放点音乐” 场景化联动实现跨设备协同，如“观影模式”联动灯光和投影仪
穿戴设备-个人助手	提供实时翻译、字幕、会议纪要功能 结合日程管理和任务提醒，实现智能化工作流

计费

声网对话式 AI 开发套件基于媒体流加速 RTSA 和对话式 AI 引擎构建。相关计费策略可以参考如下文档：

• 媒体流加速计费策略
• 对话式 AI 引擎计费说明