當前，生成式大模型正以顛覆性姿態(tài)重塑人機交互的邊界，并逐漸向終端場景滲透。然而，云端大模型在落地終端場景時面臨兩大挑戰(zhàn)：1. 在真實噪聲場景下容易聽不清、誤識別，影響交互準確性；2. 云端處理冗余數(shù)據(jù)及大規(guī)模計算任務帶來的響應延遲。其根本原因在于缺乏一顆強計算性能的端側語音處理芯片。

近日，啟英泰倫聯(lián)合啟明云端正式推出WT01C202-AI-S1高性能離在線語音大模型方案。該方案基于啟英泰倫CI130X系列神經(jīng)網(wǎng)絡語音芯片，可實現(xiàn)語音識別、語音端點檢測、深度學習降噪、回聲消除、聲源定位、音頻壓縮、流媒體播放等功能，同時可對接豆包、文心一言、ChatGPT、Deepseek等大模型，充分發(fā)揮大模型在語義理解與內(nèi)容生成方面的優(yōu)勢。通過端-云協(xié)同設計，將簡單任務（如喚醒、降噪）在本地完成，復雜任務（如自然語言理解）交由云端處理，實現(xiàn)低延遲、高準確率的交互體驗。

具體優(yōu)勢如下：

01

支持基于DNN的本地語音喚醒及識別

針對設備的各項功能控制，無需按鍵，無需聯(lián)網(wǎng)，通過該方案可直接進行本地離線語音喚醒和識別。數(shù)據(jù)無需上傳云端進行分析和決策，大大提升了響應速度。

02

支持基于DNN的端點檢測

采用先進的端點檢測（VAD）技術，通過深度學習與硬件加速的融合設計，在穩(wěn)態(tài)噪聲和非穩(wěn)態(tài)噪聲環(huán)境下均能精準識別人聲起始點和終點。僅在檢測到人聲時進行喚醒，其余時間保持低功耗休眠狀態(tài)，避免了云端一直監(jiān)聽環(huán)境聲音，將全部音頻上傳云端分析帶來的高帶寬和流量消耗。其響應速度達到毫秒級，作為云端大模型的“智能哨兵”，為后續(xù)的語音處理流程提供了高效、精準的支持。

03

支持基于DNN的語音降噪

采用基于DNN的深度學習語音降噪技術，使得該方案具備更強的自適應性和泛化能力，能夠在不同的噪音環(huán)境中保持優(yōu)異的降噪效果，為云端大模型提供了更干凈的語音，極大提升了云端大模型的語音識別準確率。

04

支持基于DNN的回聲消除打斷

基于自適應線性濾波聯(lián)合基于深度學習的非線性濾波的回聲消除方案可有效抑制回聲，且能做到實時打斷，讓用戶無需漫長等待即可繼續(xù)進行語音指令輸入，保障了用戶體驗的流暢性與即時性。

05

支持基于DNN的聲源定位

基于麥克風陣列與波束成形算法，實現(xiàn)多場景下的指向性交互，提升人機交互的自然性和人性化。例如，在機器人或智能玩具中，設備可根據(jù)聲源方向轉頭或移動，不僅增強了產(chǎn)品的可玩性與趣味性，還為用戶帶來更具沉浸感的交互體驗。

06

支持多語種

啟英泰倫自主開發(fā)多個小語種模型，支持漢語、英語、日語等多種語言輸入，能夠滿足不同地區(qū)、不同語言背景用戶的多樣化需求，為產(chǎn)品的國際化推廣奠定了堅實基礎。

方案應用架構該方案支持國內(nèi)外各大大模型平臺，包括豆包、文心一言、ChatGPT、Deepseek等，為企業(yè)或開發(fā)者提供高效便捷的多模型選擇。通過此方案，用戶能夠輕松實現(xiàn)一站式開發(fā)，無需繁雜切換，即可在不同大模型間無縫過渡與調(diào)用。

WT01C202-AI-S1模組方案憑借其卓越的性能和豐富多樣的功能，具備極為廣泛的應用前景，可應用于家電、玩具、文創(chuàng)、機器人等眾多產(chǎn)品領域，幫助企業(yè)在國際市場上實現(xiàn)語音交互等各類智能語音方案應用。