端 · 硬件与固件
ESP32-S3 + 麦克风阵列 + 扬声器 + 屏幕/舵机,支持唤醒词自定义、离线 VAD 与 OTA。
大模型的入口不一定在屏幕上。桌面机器人、AI 玩具、展厅讲解、前台接待,这些场景需要的是一个“能听会说、有表情、能联网”的实体,而不是另一个 App。ESP32-S3 这类模组成本低、功耗小、生态成熟,很适合做这类产品的主控。
我们把这件事拆成三层:端负责唤醒词、降噪、音频编解码和本地轻交互;云负责 ASR → 大模型 → TTS 的低延迟对话链路,以及人格与记忆;管负责设备绑定、固件灰度、日志与内容审核。三层都可以放在公有云,也可以整套搬进企业内网。
ESP32-S3 + 麦克风阵列 + 扬声器 + 屏幕/舵机,支持唤醒词自定义、离线 VAD 与 OTA。
流式 ASR/LLM/TTS 链路,角色人格、长期记忆、知识库接入,也可私有化部署。
设备管理、固件灰度、对话日志、内容审核与技能上架,支持白牌与贴牌。
50 台起做结构打样与小批量试产,验证市场后再放量,降低试错成本。
每一项都是可验收的实物或文档,不是一句“已完成”。
打样阶段可以只做几台验证;小批量试产通常 50 台起步,具体看结构件工艺。
可以。支持白牌与贴牌,外观、唤醒词、人格、后台标识都能定制。
我们会在 1 个工作日内给出一版初步方案和预算区间。