四博 AI 智能音箱 4G S3 版本技术方案

四博 AI 智能音箱 4G S3 版本技术方案

------三模联网、远场拾音、实时打断、屏幕交互、客户系统接入的一体化 AI 音箱原型

四博 AI 智能音箱 4G S3 版本，是基于 ESP32-S3 AI 音频平台 + 4G/Wi-Fi/蓝牙三模联网 + 远场语音前端 + 屏幕交互 + AI 大模型服务 构建的智能语音硬件方案。该方案面向 AI 音箱、AI 学习机、AI 故事机、AI 桌宠、AI 智能中控、AI 玩具、智能家居控制终端等产品形态。

从《四博智联 AI 开发宝典》来看，四博 AI-Speaker 开发板已支持"四博小助手"小程序、声音克隆、知识库、自建大模型和 MCP 扩展能力；开发宝典中也给出了 ESP32-S3 工程配置、编译、烧录和小程序配网流程。 同时，四博 AI-C5 方案已支持 4G 模块接入、外接电池、屏幕、喇叭、麦克风，并支持 Wi-Fi 与 4G 模式切换，可作为本方案三模联网架构的重要参考。

---

1. 方案定位

四博 AI 智能音箱 4G S3 版本的核心不是"一个能联网说话的音箱"，而是一个可二次开发的 AI 语音边缘终端平台。

它解决的主要问题是：

1. 远距离拾音：5 米范围内可唤醒、打断、对话
2. 高噪声鲁棒性：空气炸锅、厨房电器、风扇、背景音乐等噪音环境下仍可响应
3. 打断体验：支持唤醒词打断、实时打断、AI 播报过程中插话
4. 联网方式：支持蓝牙上网、Wi-Fi 上网、4G 上网
5. 屏幕显示：支持单屏、双屏、双屏异显
6. 系统集成：基于 ESP32-S3，方便客户接入自己的云平台、App、小程序或业务系统
7. 量产扩展：支持 OTA、MCP、串口协议、状态上报、客户自定义功能

---

2. 总体系统架构

┌────────────────────────────────────────────┐
│                客户业务系统 / AI 云平台       │
│  LLM / TTS / ASR / 知识库 / 设备管理 / 会员系统 │
└───────────────────▲────────────────────────┘
                    │ WebSocket / HTTPS / MQTT
┌───────────────────┴────────────────────────┐
│              四博 AI 智能音箱设备端            │
│                                            │
│  ┌──────────────┐   ┌────────────────────┐ │
│  │ 网络管理层     │   │ AI 会话协议层        │ │
│  │ Wi-Fi / BT / 4G│──▶│ WebSocket / OTA / MCP│ │
│  └──────────────┘   └────────────────────┘ │
│                                            │
│  ┌──────────────┐   ┌────────────────────┐ │
│  │ 语音前端层     │   │ 音频播放层           │ │
│  │ 唤醒/降噪/打断 │◀──▶│ TTS / I2S / 功放 / 喇叭│ │
│  └──────────────┘   └────────────────────┘ │
│                                            │
│  ┌──────────────┐   ┌────────────────────┐ │
│  │ 显示交互层     │   │ 外设控制层           │ │
│  │ 单屏/双屏/异显 │   │ 按键/触摸/灯光/UART   │ │
│  └──────────────┘   └────────────────────┘ │
│                                            │
│              ESP32-S3 主控 + 4G 模块          │
└────────────────────────────────────────────┘

---

3. 硬件架构建议

3.1 主控与核心器件

主控芯片：ESP32-S3 / 四博 S3R8 系列方案
语音芯片：VB6824 或等效离线语音前端
网络模块：Wi-Fi + Bluetooth + 4G 模块
音频输入：远场麦克风 / 双麦 / 阵列麦克风方案
音频输出：I2S Codec / DAC + 功放 + 4Ω 3W 喇叭
显示接口：SPI LCD / RGB LCD / 双 SPI LCD
电源系统：锂电池 + 充电管理 + 5V / 3.3V 电源轨
扩展接口：UART / I2C / SPI / GPIO / USB

《开发宝典》中四博 AI-C5 开发板硬件参数包括 2.4G & 5G Wi-Fi、4G 模组、4Ω 3W 喇叭、咪头、电池和 2 寸屏幕，可作为 4G 音箱方案的硬件参考。

3.2 推荐模块划分

1. ESP32-S3 主控板
   - 负责系统调度、网络管理、屏幕 UI、音频流控制、协议通信

2. 语音前端模块
   - 负责远场唤醒、离线唤醒词、噪声抑制、打断检测

3. 4G 通信模块
   - 通过 UART / USB / PPP / ECM 方式接入
   - 负责无 Wi-Fi 环境下的公网连接

4. 显示模块
   - 单屏：状态、歌词、对话内容、时间、联网状态
   - 双屏：主屏显示内容，副屏显示表情或状态
   - 异显：左右屏分别显示不同 UI 或眼睛动画

5. 客户扩展模块
   - 灯光、继电器、传感器、按键、触摸、外部 MCU

---

4. 三模联网技术设计

四博 AI 智能音箱支持三种联网路径：

Wi-Fi 上网：家庭、办公室、学校、固定场景
蓝牙上网：手机共享网络、临时联网、免输入路由器密码
4G 上网：户外、移动场景、无 Wi-Fi 环境、商业部署

4.1 网络选择优先级

建议采用以下网络策略：

开机
 ↓
读取 NVS 中保存的网络模式
 ↓
优先尝试最近一次成功网络
 ↓
Wi-Fi 可用 → 建立 WebSocket
 ↓
Wi-Fi 失败 → 尝试蓝牙上网 / 蓝牙配网
 ↓
蓝牙不可用 → 切换 4G
 ↓
4G 拨号成功 → 建立 AI 服务连接
 ↓
全部失败 → 进入配网 / 等待用户操作

4.2 网络管理状态机示例代码

下面代码是接入骨架，实际项目中需要根据四博板级工程、4G 模块 AT 指令、蓝牙上网协议进行适配。

typedef enum {
    NET_MODE_WIFI = 0,
    NET_MODE_BLUETOOTH,
    NET_MODE_4G,
} net_mode_t;

typedef enum {
    NET_STATE_IDLE = 0,
    NET_STATE_CONNECTING,
    NET_STATE_CONNECTED,
    NET_STATE_FAILED,
} net_state_t;

typedef struct {
    net_mode_t  mode;
    net_state_t state;
    int         retry_count;
    bool        ai_ws_ready;
} network_ctx_t;

static network_ctx_t g_net = {
    .mode = NET_MODE_WIFI,
    .state = NET_STATE_IDLE,
    .retry_count = 0,
    .ai_ws_ready = false,
};

static bool wifi_connect_start(void);
static bool bt_net_connect_start(void);
static bool modem_4g_connect_start(void);
static void ai_websocket_start(void);

static void network_switch_to_next(void)
{
    if (g_net.mode == NET_MODE_WIFI) {
        g_net.mode = NET_MODE_BLUETOOTH;
    } else if (g_net.mode == NET_MODE_BLUETOOTH) {
        g_net.mode = NET_MODE_4G;
    } else {
        g_net.mode = NET_MODE_WIFI;
    }

    g_net.state = NET_STATE_IDLE;
    g_net.retry_count = 0;
}

static void network_manager_task(void *arg)
{
    while (1) {
        switch (g_net.state) {
        case NET_STATE_IDLE:
            g_net.state = NET_STATE_CONNECTING;

            if (g_net.mode == NET_MODE_WIFI) {
                ESP_LOGI("NET", "开始 Wi-Fi 联网");
                wifi_connect_start();
            } else if (g_net.mode == NET_MODE_BLUETOOTH) {
                ESP_LOGI("NET", "开始蓝牙上网");
                bt_net_connect_start();
            } else {
                ESP_LOGI("NET", "开始 4G 联网");
                modem_4g_connect_start();
            }
            break;

        case NET_STATE_CONNECTED:
            if (!g_net.ai_ws_ready) {
                ai_websocket_start();
                g_net.ai_ws_ready = true;
            }
            break;

        case NET_STATE_FAILED:
            ESP_LOGW("NET", "当前网络失败，切换下一种联网方式");
            network_switch_to_next();
            break;

        default:
            break;
        }

        vTaskDelay(pdMS_TO_TICKS(1000));
    }
}

---

5. 4G 模块接入设计

4G 模块建议提供两种接入方式：

方式一：UART AT 指令模式
- ESP32-S3 通过 UART 控制 4G 模块
- 发送 AT、AT+CSQ、AT+CGATT、AT+CGACT 等指令
- 模块内部完成 TCP/MQTT/HTTP 连接

方式二：PPP/ECM 网络接口模式
- ESP32-S3 把 4G 模块作为网络接口
- 上层 WebSocket / HTTP 代码不用关心底层是 Wi-Fi 还是 4G

5.1 4G AT 检测示例

static bool modem_send_cmd(const char *cmd, const char *expect, int timeout_ms);

static bool modem_4g_check_ready(void)
{
    if (!modem_send_cmd("AT\r\n", "OK", 1000)) {
        ESP_LOGE("4G", "4G 模块无响应");
        return false;
    }

    if (!modem_send_cmd("ATE0\r\n", "OK", 1000)) {
        ESP_LOGW("4G", "关闭回显失败");
    }

    if (!modem_send_cmd("AT+CPIN?\r\n", "READY", 3000)) {
        ESP_LOGE("4G", "SIM 卡未就绪");
        return false;
    }

    if (!modem_send_cmd("AT+CSQ\r\n", "OK", 1000)) {
        ESP_LOGW("4G", "信号质量查询失败");
    }

    if (!modem_send_cmd("AT+CGATT?\r\n", "+CGATT: 1", 3000)) {
        ESP_LOGE("4G", "4G 网络未附着");
        return false;
    }

    ESP_LOGI("4G", "4G 模块已就绪");
    return true;
}

---

6. 远场拾音与打断逻辑

四博方案重点突出的是：5 米范围内精准打断唤醒，在空气炸锅等高噪音环境下仍能稳定响应。

推荐的语音状态机如下：

Idle 空闲
 ↓ 唤醒词触发
Listening 监听
 ↓ 用户说话结束
Thinking AI 处理中
 ↓ TTS 开始
Speaking 播报中
 ↓ 检测到唤醒词 / 实时打断
Interrupt 打断
 ↓ 停止播放，重新进入 Listening

6.1 语音状态定义

《开发宝典》的 MCP 状态上报中，已经定义了开机、配网、空闲、联网、监听、说话、升级、激活等状态码，便于 MCU 或客户系统同步 UI 和设备状态。

typedef enum {
    AI_STATE_STARTING = 1,
    AI_STATE_WIFI_CONFIGURING,
    AI_STATE_IDLE,
    AI_STATE_CONNECTING,
    AI_STATE_LISTENING,
    AI_STATE_SPEAKING,
    AI_STATE_UPGRADING,
    AI_STATE_ACTIVATING,
} ai_state_t;

static ai_state_t g_ai_state = AI_STATE_STARTING;

static void ai_set_state(ai_state_t state)
{
    g_ai_state = state;

    switch (state) {
    case AI_STATE_IDLE:
        display_show_status("空闲，可唤醒");
        break;
    case AI_STATE_LISTENING:
        display_show_status("正在聆听");
        break;
    case AI_STATE_SPEAKING:
        display_show_status("AI 正在回答");
        break;
    case AI_STATE_CONNECTING:
        display_show_status("联网中");
        break;
    default:
        break;
    }
}

6.2 实时打断处理骨架

《开发宝典》中提到，实时打断固件可在 DOIT_AI 工程的 Kconfig.projbuild 中为对应板型加入 USE_DEVICE_AEC 或 USE_SERVER_AEC 配置，设备端 AEC 不依赖服务器能力，服务器端 AEC 需要后端支持。

static bool g_tts_playing = false;
static bool g_interrupt_enabled = true;

void audio_on_wakeup_detected(void)
{
    ESP_LOGI("AUDIO", "检测到唤醒词");

    if (g_tts_playing && g_interrupt_enabled) {
        ESP_LOGI("AUDIO", "唤醒词打断当前播报");
        audio_player_stop();
        g_tts_playing = false;
    }

    ai_set_state(AI_STATE_LISTENING);
    ai_session_start_recording();
}

void audio_on_realtime_voice_detected(void)
{
    if (!g_interrupt_enabled) {
        return;
    }

    if (g_ai_state == AI_STATE_SPEAKING) {
        ESP_LOGI("AUDIO", "检测到实时打断，停止 TTS");
        audio_player_stop();
        g_tts_playing = false;

        ai_set_state(AI_STATE_LISTENING);
        ai_session_start_recording();
    }
}

void tts_play_start(const uint8_t *pcm, size_t len)
{
    g_tts_playing = true;
    ai_set_state(AI_STATE_SPEAKING);
    i2s_audio_write(pcm, len);
}

void tts_play_done(void)
{
    g_tts_playing = false;
    ai_set_state(AI_STATE_IDLE);
}

---

7. 唤醒词修改设计

四博方案可以支持修改唤醒词。《开发宝典》中给出了 VB6824 自定义唤醒词流程：设备进入升级模式后，可通过设备码和授权码完成唤醒词升级；文档中也说明，升级完成后可支持选定唤醒词以及 AI 说话过程中的随时打断。

建议产品侧设计为：

默认唤醒词：你好小智
可选唤醒词：小乐小乐 / 小博小博 / 品牌自定义
升级方式：本地局域网升级 / 小程序触发 / 工厂烧录
设备反馈：屏幕显示升级状态 + 语音播报升级结果

唤醒词升级流程

用户进入设置
 ↓
选择唤醒词
 ↓
设备进入 VB6824 升级模式
 ↓
小程序 / 本地工具下发升级参数
 ↓
语音芯片升级
 ↓
ESP32-S3 重启语音服务
 ↓
新唤醒词生效

---

8. MCP / UART 客户系统对接

四博方案非常适合客户做二次开发，关键是 MCP 能把大模型理解结果转换成设备控制指令。

《开发宝典》中说明，四博 AI-01 AT+MCP 固件把语义理解、联网与指令编排收进 UART 中，标准串口参数为 115200、8N1、无校验、1 位停止位，所有指令以回车换行结束，合法指令统一回复 OK；AT+ADDMCP 可以把"人话"映射为 MCU 可执行的二进制控制帧。

8.1 音箱场景 MCP 指令设计

语音命令："把音量调到 80"
MCP 映射：set_volume
返回帧：55 AA 03 F2 50 AA 55

语音命令："打开厨房模式"
MCP 映射：set_scene
返回帧：55 AA 03 F3 01 AA 55

语音命令："切换到 4G 上网"
MCP 映射：switch_network
返回帧：55 AA 03 F4 03 AA 55

语音命令："屏幕显示天气"
MCP 映射：show_weather
返回帧：55 AA 03 F5 01 AA 55

8.2 MCP 注册示例

static void sibo_mcp_register_default(void)
{
    uart_send_line("AT\r\n");

    // 音量调节：Type=1，AI 参数返回 volume
    uart_send_line(
        "AT+ADDMCP=1,set_volume,设置音箱音量,F2,1,V\r\n"
    );

    // 场景切换：Type=0，固定返回场景 ID
    uart_send_line(
        "AT+ADDMCP=0,set_kitchen_mode,切换到厨房高噪音模式,2,F3,01\r\n"
    );

    // 网络切换：Type=1，返回网络类型，1=WiFi,2=BT,3=4G
    uart_send_line(
        "AT+ADDMCP=1,switch_network,切换联网方式,F4,1,N\r\n"
    );

    // 屏幕显示天气
    uart_send_line(
        "AT+ADDMCP=0,show_weather,在屏幕上显示天气,2,F5,01\r\n"
    );
}

8.3 MCU 解析 AI 模组返回帧

#define FRAME_HEAD_0 0x55
#define FRAME_HEAD_1 0xAA
#define FRAME_TAIL_0 0xAA
#define FRAME_TAIL_1 0x55

typedef struct {
    uint8_t len;
    uint8_t cmd;
    uint8_t data[16];
} ai_frame_t;

static void handle_ai_frame(const ai_frame_t *frame)
{
    switch (frame->cmd) {
    case 0xF2: // set_volume
        audio_set_volume(frame->data[0]);
        break;

    case 0xF3: // set_scene
        if (frame->data[0] == 0x01) {
            audio_set_noise_mode_kitchen();
            display_show_status("厨房高噪音模式");
        }
        break;

    case 0xF4: // switch_network
        if (frame->data[0] == 0x01) {
            net_switch_to_wifi();
        } else if (frame->data[0] == 0x02) {
            net_switch_to_bluetooth();
        } else if (frame->data[0] == 0x03) {
            net_switch_to_4g();
        }
        break;

    case 0xF5: // show_weather
        display_show_weather();
        break;

    case 0xFC:
        // 开发宝典中提到收到 55 AA 01 FC AA 55 后，MCU 应重启 AI 模组并重发 MCP 映射
        ai_module_reset();
        sibo_mcp_register_default();
        break;

    default:
        ESP_LOGW("MCP", "未知 AI 指令: 0x%02X", frame->cmd);
        break;
    }
}

---

9. 屏幕驱动与异显设计

该方案支持：

1. 单屏显示
   - 时间
   - 网络状态
   - AI 状态
   - 对话文本
   - 音量
   - 天气
   - TTS 播放状态

2. 双屏同显
   - 两个屏幕显示相同动画或状态

3. 双屏异显
   - 主屏显示文字内容
   - 副屏显示表情、眼睛、音频波形或状态动画

《开发宝典》中多模态 S3 开发板基于 ESP32-S3，支持两块 1.28 寸双目屏、高清摄像头和触摸交互，并强调硬件和软件全开源，可用于二次开发或量产制造。 这说明 S3 平台不仅适合做普通音箱，也适合做带屏幕、双屏、表情交互和多模态交互的 AI 终端。

9.1 双屏 UI 刷新框架

typedef enum {
    DISP_MAIN = 0,
    DISP_SUB,
} display_id_t;

void display_show_ai_text(const char *text)
{
    // 主屏显示 AI 文本
    lcd_select(DISP_MAIN);
    lv_label_set_text(ui_main_label, text);
}

void display_show_expression(const char *expr)
{
    // 副屏显示表情状态
    lcd_select(DISP_SUB);

    if (strcmp(expr, "listening") == 0) {
        lv_img_set_src(ui_eye_img, &img_eye_listening);
    } else if (strcmp(expr, "speaking") == 0) {
        lv_img_set_src(ui_eye_img, &img_eye_speaking);
    } else {
        lv_img_set_src(ui_eye_img, &img_eye_idle);
    }
}

void display_update_by_ai_state(ai_state_t state)
{
    switch (state) {
    case AI_STATE_IDLE:
        display_show_ai_text("你好，我在这里");
        display_show_expression("idle");
        break;

    case AI_STATE_LISTENING:
        display_show_ai_text("正在聆听...");
        display_show_expression("listening");
        break;

    case AI_STATE_SPEAKING:
        display_show_ai_text("正在回答...");
        display_show_expression("speaking");
        break;

    default:
        break;
    }
}

---

10. 设备端 AI 会话流程

设备启动
 ↓
初始化 NVS / 音频 / 屏幕 / 网络 / 语音芯片
 ↓
尝试 Wi-Fi / 蓝牙 / 4G 联网
 ↓
连接 OTA 服务，检查固件版本
 ↓
建立 WebSocket AI 会话
 ↓
进入空闲状态
 ↓
用户 5 米内唤醒
 ↓
开始录音并上传
 ↓
云端 ASR + LLM + TTS
 ↓
设备播放语音并显示文本
 ↓
用户可实时打断 / 唤醒词打断 / 继续追问

10.1 主程序骨架

void app_main(void)
{
    esp_err_t ret;

    ret = nvs_flash_init();
    ESP_ERROR_CHECK(ret);

    board_power_init();
    board_gpio_init();

    display_init();
    display_show_status("系统启动中");

    audio_codec_init();
    microphone_init();
    speaker_init();

    wakeup_engine_init();
    aec_engine_init();          // 设备端 AEC / 打断
    voice_frontend_start();

    network_manager_init();
    xTaskCreate(network_manager_task, "network_manager", 4096, NULL, 5, NULL);

    ai_protocol_init();         // WebSocket / OTA / MCP
    sibo_mcp_register_default();

    button_init();
    ota_service_init();

    display_show_status("等待联网");

    while (1) {
        ai_event_loop();
        vTaskDelay(pdMS_TO_TICKS(20));
    }
}

---

11. 工程配置建议

11.1 S3 AI Speaker 基础配置

《开发宝典》中 S3 AI-Speaker 工程需要在板级默认配置中添加 Bluetooth 和 BluFi 配网相关配置，并设置 OTA 地址；文档中的 S3 AI-Speaker 使用 ESP-IDF 5.4.1，C5 编译推荐 ESP-IDF 5.5。

# main/boards/doit-ai-speaker/sdkconfig.defaults.board

CONFIG_IDF_TARGET="esp32s3"
CONFIG_BT_ENABLED=y
CONFIG_USE_BLUFI_NET_CONFIGURING=y

# OTA 服务地址，根据客户服务器替换
CONFIG_OTA_URL="https://your-domain.com/v1/ota/"

# 音频相关
CONFIG_USE_DEVICE_AEC=y
CONFIG_USE_SERVER_AEC=n

# UI
CONFIG_USE_LCD_DISPLAY=y
CONFIG_USE_DUAL_LCD_DISPLAY=y

# 网络模式
CONFIG_USE_WIFI_NETWORK=y
CONFIG_USE_BT_NETWORK=y
CONFIG_USE_4G_NETWORK=y

11.2 实时打断 Kconfig 示例

menu "Sibo AI Speaker Audio"

config USE_DEVICE_AEC
    bool "Use device side AEC and realtime interrupt"
    default y
    help
        Enable local AEC and realtime barge-in logic.

config USE_SERVER_AEC
    bool "Use server side AEC"
    default n
    help
        Server must support AEC protocol.

config BOARD_TYPE_DOIT_AI_S3_4G_SPEAKER
    bool "Doit AI S3 4G Speaker"
    default y

endmenu

11.3 编译命令示例

# 进入 ESP-IDF 环境
. ~/esp/esp-idf/export.sh

# 设置目标芯片
idf.py set-target esp32s3

# 打开配置
idf.py menuconfig

# 编译
idf.py build

# 合并固件
idf.py merge-bin

# 烧录
idf.py -p COMx flash monitor

---

12. 四博小助手接入

四博小助手可以用于：

1. BluFi 配网
2. 创建设备智能体
3. 绑定设备
4. 配置知识库
5. 配置声音克隆
6. 管理素材和提示音
7. 管理 OTA 固件
8. 切换本地或云端智能体

《开发宝典》中说明，用户可通过四博小助手创建智能体，然后选择 BluFi 配网添加设备，搜索到设备后输入 Wi-Fi 密码，之后即可直接使用对话功能。

---

13. 客户系统集成方式

方式一：接客户云平台

ESP32-S3 音箱
    ↓ WebSocket / HTTPS
客户 AI 网关
    ↓
客户 LLM / TTS / ASR / 知识库
    ↓
返回文本 / 音频 / 控制指令

适合：教育客户、智能家居客户、内容平台客户。

方式二：接客户 MCU

客户 MCU
    ↑↓ UART / MCP
四博 AI 音箱模组
    ↑↓ Wi-Fi / 4G
AI 云端

适合：传统家电、玩具、灯控、中控屏、机器人客户。

方式三：接客户 App / 小程序

客户 App / 小程序
    ↓
客户服务器
    ↓
四博设备云
    ↓
AI 音箱设备

适合：需要账号系统、会员系统、设备管理和内容管理的客户。

---

14. 对外宣传版技术表述

四博 AI 智能音箱 4G S3 版本，是一套基于 ESP32-S3 架构打造的 AI 语音硬件方案。设备支持蓝牙、Wi-Fi、4G 三模联网，可根据家庭、户外、商用部署等不同环境自动或手动切换网络链路。方案搭载远距离拾音与打断算法，5 米范围内可实现精准唤醒、语音打断和连续对话，在空气炸锅、厨房电器、风扇等高噪声环境下仍能保持稳定响应。

在软件层面，方案支持唤醒词打断、实时打断、唤醒词修改、OTA 升级、四博小助手配网、知识库接入、声音克隆、自建大模型和 MCP 扩展。设备端可通过 WebSocket/HTTPS 对接云端 AI 服务，也可通过 UART/MCP 与客户主控系统交互，实现语音控制、状态同步和业务功能扩展。

在硬件层面，该方案可驱动单屏、双屏，并支持双屏异显，可用于 AI 音箱、AI 桌宠、AI 学习机、AI 智能中控、AI 玩具等多种产品形态。基于 ESP32-S3 的开放式工程架构，客户可以方便地接入自己的 App、小程序、云平台、知识库、题库系统或设备控制协议，快速完成从技术原型到量产产品的落地。

四博提供的不只是 AI 音箱硬件，而是一套包含硬件平台、语音前端、联网通信、屏幕交互、AI 协议、MCP 扩展和客户二次开发接口的完整 AI 智能音箱方案。