客厅里的音箱听到唤醒词后约 300 毫秒内就得反应,然后分流:关灯在本机做,查日历走云端。用户插话、确认转账、断网时,本机和云端各负责哪部分?哪些操作绝不能仅凭单次转写就放行?
题目
客厅里的音箱听到唤醒词后约 300 毫秒内就得反应,然后分流:关灯在本机做,查日历走云端。用户插话、确认转账、断网时,本机和云端各负责哪部分?哪些操作绝不能仅凭单次转写就放行?
参考答案
点击展开参考答案
- 唤醒词和本地设备控制走端侧小模型,保证离线和亚秒响应;日历、闲聊、多轮推理走云端大模型。
- 打断在播放链路处理:用户开口就停 TTS 并丢掉未播缓冲,不要等云端回合结束。
- 转账、开门、删数据这类不可逆动作必须二次确认(再问一句或端上按键),确认用受限语法或点选,不能把一次 ASR 的「转吧」直接当授权。
- 断网时本地技能仍可用,云技能明确说此刻查不了,而不是用过期缓存假装查过。
- 设备常驻唤醒(小体积、低误唤醒)、VAD,以及可选的端侧 ASR 处理短指令。
- 误唤醒和漏唤醒要分开调:电视开大声时误唤醒上升,可用能量门或「连续两遍唤醒」。