
一、来认识一下 Rokid:那个让设备 "秒懂你" 的 AR 交互行家
提起 AR(加强现实)这个圈子,必定要提及 Rokid 这家公司,它一直致力于研究"自然人机交互"。设想一下,你佩戴着 Rokid AR 眼镜,随便说一句"若琪,导航去咖啡厅",设备就会马上为你做好一切准备,这靠的就是 Rokid 自家研发的语音唤醒系统。

在国内,可以全面掌握语音交互技术的公司并不多,Rokid 属于其中之一,它给自家诸如 Station 系列,Rokid Max 眼镜之类的宝贝设备装上了灵敏的"耳朵",并且还慷慨地经由开放平台(ar.rokid.com)把这套技术共享给所有的开发者,使得大家能够轻而易举地开发出"一喊即应"的智能设备,归根结底,Rokid 的语音唤醒技术就在于高唤醒率,低误触率,超省电这三件宝物之上,也正因为如此,它才成为 AR 设备达成"无感交互"的重要一步。

@[toc]
二、技术探秘:三层架构如何让设备"听得清、听得懂、还省电"?
想象一下,你正在热气腾腾的火锅店里同朋友聊天,想要唤醒自己的AR眼镜,这个过程中,设备内部需执行三项任务:"去除杂音""识别唤醒词""省电聆听",这正好与Rokid语音唤醒技术的三层架构相对应,下面,我们就用通俗易懂的语言,并融入一些技术要点,来剖析其中的原理。
1. 声学前端处理:先让麦克风"盯准你"的声音(硬件 + 算法双管齐下)
核心技术架构图

① 波束成形(Beamforming):让所有麦克风都"朝向你"
设备并非仅仅配备单个麦克风,其存在诸多麦克风,譬如 Station Pro即包含四个合成的麦克风阵列,这些麦克风可智能识别声音抵达各个麦克风的先后次序,并携手创建起"定向声波束",此声波束犹如一道无形聚光灯,专门提升面向你这一侧的声音,而将周围杂乱无章的噪音抑制。
-
打个比方:这就像一群摄影师,镜头全都对准站在C位的你,周围的路人甲乙丙丁自动就被虚化处理了。
-
技术上怎么玩 :开发者可以通过 SDK 来设定这个"聚光灯"照向哪、照多宽。比如说,如果用户习惯用右手拿设备,那就可以把波束指向右前方 45° 的位置(代码就是这样:
SetBeamDirection(new Vector3(0.7f, 0, 0.7f))
)。
② 噪声抑制(ANS):给你的声音"洗个澡"
设备里内置了一个深度神经网络模型,它会实时分析周围的背景噪音(比如火锅的咕嘟声、敲键盘的噼啪声),然后生成一种"反向噪声波"把这些干扰给抵消掉。
-
数据说话:在高达 75dB 的噪音环境(差不多就是地铁里)中,唤醒词的识别率照样能达到 98%,比一般的方案高出了 15%。
-
三种模式可选 :提供了轻度(会议室)、中度(办公室)、重度(商场)三种降噪模式,开发者用一个
NoiseSuppressionLevel
参数就能灵活切换(默认是中度)。
2. 唤醒词检测:一个轻巧模型如何"听懂千变万化的你"?
算法流程图

① 动态适应你的发音习惯
这里用到了一个叫 动态时间规整(DTW) 的技术,它能自动对齐不同语速和口音。简单说,不管你是把"若琪"拖长了音喊成"ruò------qí",还是很快地念成"ruǒqi",模型都能认出来是同一个意思。
- 防误触训练:为了防止你无意中说出"罗琦"或"诺奇"这样的词就意外唤醒设备,工程师们用了超过 20 万个干扰词来"折磨"模型,最终让设备每天的误触次数少于 0.3 次(要知道,行业平均可是每天 1 次)。
② 模型要够"轻"
Rokid 用的是一套 CNN-LSTM 混合模型,整个模型大小还不到 5MB。这意味着它根本不需要联网,直接在设备上就能跑起来,反应超快。而且不管你是用 Unity 还是原生 Android 开发,都能很方便地把它集成到你的应用里。
3. 低功耗引擎:让设备"待机一整天也不慌"
两级唤醒架构(先"粗听"再"细听")
节能的秘密武器
-
硬件级配合:唤醒引擎和芯片(SoC)是深度绑定的,它会巧妙地利用 DSP(数字信号处理器)这个"小助手"来专门处理音频,让主 CPU 的占用率不到 5%,直接把续航时间延长了 20%。
-
智能休眠大法:设备还会通过环境光传感器(比如晚上光线暗了就自动降低采样率)和人体检测(比如你半天没动弹,它就减少检测频率)来偷懒,进一步省电。
三、上手实战:3 步给你的 App 安上"顺风耳"(以 Unity 为例)
1. 搭好开发环境(手把手教你)
步骤 1:下载并安装 Rokid UXR SDK
- 直奔 Rokid 开放平台 SDK 下载页,把 SDK 抱回家。

-
解压下载好的
.unitypackage
文件,然后打开你的 Unity 项目(新手建议新建一个空项目,或者用 AR 模板项目)。 -
在 Unity 菜单栏找到 "Assets > Import Package > Custom Package",选中刚刚解压的文件,点一下就导入成功了。
步骤 2:配置一下项目的基础设置
- 给麦克风开权限:
-
在 Project Settings > Player > Android (或者 iOS)里,找到 "Microphone Usage Description",填一句好听的申请理由(比如"需要麦克风权限才能听到您的呼唤哦")。
-
如果你是做 Android 开发,要确保
AndroidManifest.xml
文件里有这行代码:
xml
<uses-permission android:name="android.permission.RECORD_AUDIO" />
- 设置 XR 插件:
在 Project Settings > XR Plug-in Management 里面,记得勾选上 "Rokid UXR" 插件,这样才能保证设备连接和画面渲染不出问题。
2. 核心代码敲起来(注释管够,错误帮你想到)
步骤 1:写一个唤醒引擎的初始化脚本
csharp
using UnityEngine;
using Rokid.UXR;
public class VoiceWakeupController : MonoBehaviour {
// 这些参数可以直接在Unity编辑器里拖拖拽拽调整,很方便
[Header("唤醒配置")]
public float wakeupThreshold = 0.7f; // 唤醒的灵敏度,越高越"迟钝"(0-1)
public NoiseSuppressionLevel noiseLevel = NoiseSuppressionLevel.Level2; // 降噪的力度
private void Awake() {
// 先把唤醒需要的配置准备好
var config = new RokidVoiceWakeupConfig {
Threshold = wakeupThreshold,
NoiseSuppressionLevel = noiseLevel,
EnableEnvironmentalAdaptation = true, // 让它自己适应环境噪音,很智能
EnableDynamicGainControl = true // 自动调整音量,人声更清晰
};
// 初始化语音管理器(这一步必须在主线程里做)
if (!RokidVoiceManager.Instance.InitWakeup(config)) {
Debug.LogError("糟糕,唤醒引擎初始化失败了!快检查下SDK是不是没导对,或者权限没开?");
enabled = false; // 脚本都跑不起来了,直接禁用掉
return;
}
// 注册一个唤醒成功的回调,告诉我们"我被唤醒啦!"
RokidVoiceManager.Instance.OnWakeup += () => {
Debug.Log($"[唤醒成功] 在这个时间点:{System.DateTime.Now}");
HandleWakeupResponse(); // 喊醒了,该干活了
};
// 注册一个错误回调,这是救命稻草!能帮我们抓住底层的异常
RokidVoiceManager.Instance.OnError += errorCode => {
string errorMsg = RokidVoiceError.GetErrorString(errorCode);
Debug.LogError($"唤醒引擎出错了:{errorCode} - {errorMsg}");
};
}
private void HandleWakeupResponse() {
// 举个例子:唤醒后弹个交互界面,然后开始语音识别
if (UIInteractionPanel != null) {
UIInteractionPanel.SetActive(true);
}
StartCoroutine(TriggerVoiceRecognition()); // 用协程处理,免得卡住主线程
}
private IEnumerator TriggerVoiceRecognition() {
// 这里就可以加上你的语音识别逻辑了(需要配合Rokid ASR SDK)
yield return new WaitForSeconds(0.5f); // 给设备一点反应时间
// RokidASRManager.Instance.StartListening(); // 比如像这样启动识别
}
private void OnDestroy() {
// 退出时记得打扫干净,释放资源,防止内存泄漏
if (RokidVoiceManager.Instance != null) {
RokidVoiceManager.Instance.DisposeWakeup();
}
}
}
步骤 2:在 Unity 场景里用上这个脚本
-
新建一个空物体(GameObject),给它取个好记的名字,比如 "VoiceWakeupManager"。
-
把刚才写的
VoiceWakeupController
脚本拖到这个物体上。你可以在右边的 Inspector 面板里随便调整参数(比如在很吵的地方,就把降噪等级NoiseSuppressionLevel
调到Level3
)。 -
如果你有唤醒后要显示的 UI 界面,把它拖到脚本的
UIInteractionPanel
引用上。
3. 关键参数怎么调?看这张图就懂了
核心参数对照表

核心类架构图

四、进阶玩法:搞定真实场景里的各种"唤醒难题"
1. 方言/口音听不懂?自己教它新唤醒词(完整流程)
步骤 1:准备好你的"教材"
- 录音要求:
-
格式:必须是 16kHz 单声道的 WAV 文件,PCM 编码。
-
时长:1 到 2 秒就够了,每个唤醒词至少录 5 遍(强烈建议录 10 遍以上,语速、音调变着来)。
-
命名要规范:
唤醒词_方言_序号.wav
(比如ruoqi_guangdong_01.wav
)。
- 给数据加点"料"(可选):
Rokid 提供了一个叫AudioAugmentTool
的小工具(在若琪学院工具包里),可以给你的录音加上各种噪音,让训练出来的模型更抗折腾。
步骤 2:调用 SDK 的训练接口
csharp
using System.Collections.Generic;
public class CustomWakewordTrainer : MonoBehaviour {
[SerializeField] private string customWakeword = "小琪";
[SerializeField] private List<string> samplePaths = new List<string>(); // 把你的录音文件路径放这里
public void StartTraining() {
// 检查一下"教材"够不够
if (samplePaths.Count < 5) {
Debug.LogWarning("样本太少了,至少得准备5个才行!");
return;
}
// 开始训练(这是个异步操作,不会卡住你的程序)
RokidVoiceManager.Instance.TrainCustomWakewordAsync(customWakeword, samplePaths, OnTrainingComplete);
}
private void OnTrainingComplete(bool success, string message) {
if (success) {
Debug.Log($"太棒了!自定义唤醒词"{customWakeword}"训练成功!");
// 训练好了,就可以让设备用这个新词了
RokidVoiceManager.Instance.SetCurrentWakeword(customWakeword);
} else {
Debug.LogError($"训练失败了,原因是:{message}");
}
}
}
步骤 3:切换新唤醒词并测试
csharp
// 在唤醒配置里,告诉设备用新的唤醒词
var config = new RokidVoiceWakeupConfig {
CurrentWakeword = "小琪", // 换成你刚刚训练好的词
// 其他参数可以保持不变
};
RokidVoiceManager.Instance.InitWakeup(config);
2. 功耗再优化:多传感器联动的智能省电策略
策略 1:天黑了,就让它"夜间模式"

策略 2:检测到你"静止"了,它就偷偷懒(代码实现)
csharp
using Rokid.UXR.BodyTracking;
private void UpdatePowerSaving() {
// 先看看你是不是在活动(需要开启Body Tracking功能)
UserActivityStatus status = RokidBodyTrackingManager.Instance.GetUserActivityStatus();
if (status == UserActivityStatus.Inactive && inactiveDuration < 30f) {
inactiveDuration += Time.deltaTime;
if (inactiveDuration >= 30f) {
EnableLowPowerMode(); // 发现你30秒没动了,赶紧进入低功耗模式
}
} else {
inactiveDuration = 0f;
DisableLowPowerMode(); // 一旦动了,立马恢复正常
}
}
private void EnableLowPowerMode() {
RokidVoiceManager.Instance.SetPowerMode(PowerMode.LowPower);
// 还可以做得更绝一点:把一些非必要的音频处理模块也关了
RokidVoiceManager.Instance.EnableEnvironmentalAdaptation(false);
}
private void DisableLowPowerMode() {
RokidVoiceManager.Instance.SetPowerMode(PowerMode.Normal);
RokidVoiceManager.Instance.EnableEnvironmentalAdaptation(true);
}
3. 噪音太大怎么办?波束成形 + 强力降噪组合拳
操作步骤
- 手动指定波束方向(比如用户习惯右手拿设备,就把波束指向右前方 45°):
```csharp
// 算一下右前方45°的方向向量
Vector3 direction = new Vector3(Mathf.Cos(Mathf.Deg2Rad * 45), 0, Mathf.Sin(Mathf.Deg2Rad * 45));
RokidVoiceManager.Instance.SetBeamDirection(direction);
```
- 开启深度降噪和动态增益:
```csharp
var config = new RokidVoiceWakeupConfig {
NoiseSuppressionLevel = NoiseSuppressionLevel.Level3, // 上最强降噪
EnableDynamicGainControl = true, // 自动把你的声音放大,把背景噪音压下去
Threshold = 0.8f // 顺便把唤醒阈值调高点,防止乱七八糟的声音误触
};
```
效果好不好,拉出来比比

4. 调试排错:几个必备的工具和流程
工具 1:音频可视化调试面板
csharp
// 在Unity编辑器里实时看到音频波形(只能在调试模式下用)
void OnGUI() {
if (GUI.Button(new Rect(10, 10, 150, 30), "显示音频波形")) {
RokidVoiceDebug.ToggleAudioVisualizer();
}
}
工具 2:唤醒日志分析(帮你找到误触或漏唤醒的元凶)
csharp
// 开启日志记录(会生成一个.wakeup.log文件)
RokidVoiceDebug.EnableLogging(true, "MyApp_Wakeup_Log");
// 日志里这几个字段最关键:
// [Time] 时间戳 | [Confidence] 唤醒置信度 | [NoiseLevel] 环境噪声分贝 | [Event] 事件类型(唤醒/误触/漏检)
典型问题排查流程图

五、总结一下:Rokid 是怎么让语音唤醒"又聪明又省电"的?
技术优势一览
维度 | Rokid 方案亮点 | 开发者价值 |
---|---|---|
唤醒率 | 75dB 噪声环境下达 98%,远超行业平均水平 | 无需额外硬件,直接适配复杂场景 |
误触控制 | 0.3 次 / 天误触(行业 1 次 / 天) | 提升用户体验,减少无效交互 |
功耗优化 | 唤醒状态 CPU 占用<5%,续航延长 20% | 适合 AR 眼镜等移动设备长时间佩戴 |
开放性 | 支持自定义唤醒词、多语言训练 | 满足个性化需求,快速适配全球市场 |
给开发者的资源大礼包
-
入门教程 :去若琪学院看视频课程,手把手带你从零开始,跑通第一个语音唤醒 Demo。
-
技术文档 :啃开发文档,里面详细解释了每个 API 参数和最佳实践。
-
问题求助 :遇到搞不定的难题,就去 Rokid 开发者论坛(FAQ)提问,有专人解答。
总的来说,Rokid 通过把声学处理、轻量化模型和低功耗设计这几块深度整合,不光是给 AR 设备装上了一对"聪明的耳朵",更重要的是,它通过开放平台,把这种能力交到了每个开发者手里。不管你是刚入门的新手,还是经验丰富的老鸟,都能从它清晰的文档和丰富的实战案例里找到感觉,做出更自然、更智能的人机交互体验。
所以,如果你正打算开发一款 AR 应用,不妨就从语音唤醒开始,借力 Rokid 的技术,让你的设备真正"听懂"用户的每一次呼唤。