版本 ：v1.0 | 发布日期 ：2026-02-28
难度等级 ：初级
适用问题 ：离线语音模组无法识别动态数值
素材来源：技术交流群真实案例（2026-02-27）
前言
一位开发者在技术交流群中提出了这样的需求：
"能否识别 20.5度 的？我想把 20.5 提取出来。"
"可能是 26.5，可能是 20.8，是个变量。"
"即使没有小数设置，那整数也必须可以设置的！"
"再比如设置时间，也需要这样的变量。不可能 0-59秒、0-59分、0-23时、0-31日、0-12月都设置词条吧？这得多少词条啊？"
这个需求触及了离线语音识别 的核心限制：离线语音只能识别预定义的固定命令词，无法像在线语音那样理解和处理动态数值。
本文将深入解释离线语音的数值识别限制，分析为什么会存在这种限制，并提供可行的替代方案。
一、问题本质分析
1.1 离线语音 vs 在线语音
| 特性 | 离线语音 | 在线语音（云识别/大模型） |
|---|---|---|
| 识别方式 | 本地芯片匹配预置词条 | 上传语音到云端解析 |
| 命令词 | 必须预置在固件中 | 可理解自然语言 |
| 数值处理 | 只能识别固定数值 | 可提取任意数值 |
| 响应速度 | 毫秒级，无延迟 | 受网络影响，通常>1秒 |
| 网络依赖 | 完全离线 | 必须联网 |
| 成本 | 低 | 按调用次数收费 |
1.2 为什么离线语音不能识别动态数值？
技术原因：
-
识别原理 ：离线语音使用的是模板匹配技术
- 用户说的语音必须与预置的词条模板高度匹配
- 识别过程是将采集到的语音特征与模板库比对
-
内存限制：词条存储在芯片的 Flash 中
- 每个词条占用固定的存储空间
- 不可能存储无穷多个数值组合
-
计算能力：离线芯片没有NLP（自然语言处理）能力
- 无法进行语义理解
- 无法提取未预置的数字
二、离线语音的数值处理能力
2.1 支持的数值处理方式
SmartPi 离线语音模组支持以下数值处理方式：
| 方式 | 说明 | 示例 |
|---|---|---|
| 固定数值词条 | 将每个数值作为独立词条预置 | "20度"、"21度"、"26度" |
| 变量配置 | 为命令词设置变量值 | "设定温度" → 变量=20 |
| 串口传递 | 通过串口发送数值给主控 | 语音触发 → 串口发送"20" |
2.2 变量功能详解
SmartPi 平台支持变量功能，可以实现一定程度的"数值传递"：
配置示例：
命令词：设定温度
回复语：已设定温度为{temp}度
变量设置：
变量名：temp
类型：int
值：20限制说明：
-
变量值需要在配置时设定，不是用户说的数字
-
用户说"设定温度25度"时，无法自动提取25赋值给变量
-
可以通过多个命令词覆盖常见数值：
命令词1：设定温度20度 → temp = 20
命令词2：设定温度21度 → temp = 21
命令词3：设定温度22度 → temp = 22
...
三、真实场景分析
3.1 场景一：温度控制（0.5度精度）
用户需求：
语音控制空调温度，需要支持 20.5度、26.5度等带0.5度精度的数值。
离线方案限制：
- 必须为每个可能的温度值创建一个命令词
- 20度到30度，0.5度精度 = 21个命令词
- 如果温度范围更大（16-30度），词条数量会成倍增加
实现方案：
| 方案 | 优点 | 缺点 |
|---|---|---|
| 方案A：离散化 | 配置简单 | 只能支持预设温度 |
| 方案B：加减调节 | 词条少 | 需要多次语音交互 |
| 方案C：在线语音 | 支持任意数值 | 需要联网，有延迟 |
方案B示例（推荐）：
命令词1：温度调高 → temp += 1（或+0.5度）
命令词2：温度调低 → temp -= 1
命令词3：设定20度 → temp = 20
命令词4：设定25度 → temp = 25
命令词5：当前温度 → 播报"当前温度{temp}度"3.2 场景二：时间设定
用户需求：
"设置时间也需要变量。不可能 0-59秒、0-59分、0-23时、0-31日、0-12月都设置词条吧？"
问题分析：
这是离线语音的典型痛点------连续数值无法全覆盖。
解决方案：
方案一：分级设定（推荐）
命令词：设定小时[1-12] → 12个词条
命令词：设定分钟[00-55] → 12个词条（每5分钟一档）
用户交互：
"设定小时3" "设定分钟15" → 时间设为3:15
方案二：加减调节
命令词：时间加1分钟
命令词：时间加5分钟
命令词：时间加30分钟
命令词：时间减1分钟
...
方案三：常用时间预设
命令词：设定早上7点
命令词：设定中午12点
命令词：设定晚上6点半
...3.3 场景三：频道号切换
用户需求：
语音控制电视切换频道，频道号从1到几百。
解决方案：
方案一：常用频道预设（推荐）
命令词：频道1、频道2、频道3...频道10
方案二：百位数组合
命令词：频道[1-9]百 → 设置百位
命令词：频道[1-9]十 → 设置十位
命令词：频道[0-9]个 → 设置个位
用户交互："频道1百" "频道2" "频道3" → 频道123
方案三：加减调节
命令词：下一个频道、上一个频道
命令词：频道加10、频道减10四、替代方案对比
4.1 离线语音优化方案
| 方案 | 词条数 | 用户体验 | 适用场景 |
|---|---|---|---|
| 完全离散 | 非常多 | 最好，一次到位 | 数值范围小 |
| 分级离散 | 中等 | 较好，可能需要多次交互 | 数值范围大 |
| 加减调节 | 少 | 一般，需要多次交互 | 连续调节场景 |
| 组合输入 | 少 | 较差，需要多次交互 | 大范围数值 |
4.2 混合方案（离线+在线）
架构设计：
┌─────────────────────────────────────────────────┐
│ 语音设备 │
├─────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────────┐ │
│ │ 离线语音模组 │ │ WiFi/蓝牙模组 │ │
│ │ (常用命令) │ │ (连接云端AI) │ │
│ └──────────────┘ └──────────────────┘ │
│ │ │ │
│ │ │ │
│ ┌──────▼──────┐ ┌───────▼──────────┐ │
│ │ 本地MCU控制 │◄────►│ 云端AI处理 │ │
│ └─────────────┘ └──────────────────┘ │
│ │
└─────────────────────────────────────────────────┘分工策略：
| 功能类型 | 处理方式 | 示例 |
|---|---|---|
| 简单开关 | 离线处理 | "打开灯"、"关闭灯" |
| 常用量值 | 离线预置 | "频道1"、"频道2" |
| 复杂查询 | 云端处理 | "明天天气怎么样？" |
| 连续数值 | 云端处理 | "设置温度26.5度" |
| 自然语言 | 云端处理 | "帮我找一下最近的咖啡店" |
SmartPi 产品选型建议：
- 纯离线需求：选择 SU-03T、CI-03T、CI-33T 系列
- 需要AI大模型：选择 JX-A7T 混合模组
- 需要联网功能：选择带 WiFi/BLE 的型号（JX-12F、XR-50A等）
五、实战配置示例
5.1 温度控制的分级方案
需求：空调温度控制，支持16-30度，0.5度精度
方案：整数温度 + 半度单独控制
变量定义：
- temp：int，默认值 26
- temp_half：int，默认值 0
命令词配置（部分示例）：
"设定16度" → temp = 16
"设定17度" → temp = 17
...
"设定30度" → temp = 30
"加半度" → temp_half = 1（表示+0.5度）
"减半度" → temp_half = 2（表示-0.5度）
"当前温度" → 播报"当前温度{temp}度{temp_half}为半"
MCU端处理逻辑：
实际温度 = temp + (temp_half == 1 ? 0.5 : 0) - (temp_half == 2 ? 0.5 : 0)5.2 时间设定的组合方案
需求：设置时钟的时、分
变量定义：
- hour：int，默认值 12
- minute：int，默认值 0
命令词配置：
小时设定（12个）：
"12点" → hour = 12
"1点" → hour = 1
...
十分钟设定（6个）：
"0分" → minute = 0
"10分" → minute = 10
"20分" → minute = 20
...
个分钟设定（可选）：
"加1分" → minute += 1
"减1分" → minute -= 1
确认命令：
"确认时间" → 串口发送 hour 和 minute 到MCU
用户交互示例：
"12点" "30分" "确认时间" → 时间设为12:30六、常见问题 FAQ
Q1：为什么不能像手机语音助手那样识别任意数字？
A：手机语音助手使用云端大模型，拥有近乎无限的存储和计算资源。离线语音模组受限于芯片存储和计算能力，只能预置有限的词条。
Q2：有没有办法让离线语音识别动态数字？
A：目前离线语音技术无法实现真正意义上的"动态数字识别"。但可以通过以下方式接近：
- 预置常用数值
- 使用加减调节
- 组合输入（百位+十位+个位）
- 混合方案（离线+在线）
Q3：词条数量有上限吗？能设置多少个数值命令词？
A：不同模组的词条上限不同：
- SU-03T：约50条
- CI-03T：约100条
- CI-33T：约300条
- CI-73T：约100条
- JX-A7T（离线模式）：约200条
建议：不要用完所有词条，留一些空间给唤醒词和其他功能命令。
Q4：如果确实需要识别大量数值怎么办？
A：考虑以下方案：
- 使用加减调节：用"加1"、"减1"代替具体数值
- 分级离散：只预置常用数值，其他用调节
- 混合方案：离线处理常用命令，在线处理复杂查询
- 更换模组：选择词条数更多的型号或支持在线AI的模组
Q5：JX-A7T 能识别动态数值吗？
A：JX-A7T 是混合模组，支持两种模式：
- 离线模式：与传统离线语音相同，只能识别预置词条
- 在线模式：连接云端大模型，支持自然语言和动态数值识别
使用建议：
- 简单控制用离线模式（响应快）
- 复杂查询用在线模式（功能强）
七、总结
7.1 核心要点
| 要点 | 说明 |
|---|---|
| 离线限制 | 只能识别预置词条，无法提取动态数值 |
| 变量功能 | 变量值需预配置，不是用户说的数字 |
| 解决方案 | 离散化、加减调节、组合输入、混合方案 |
| 产品选型 | 大数值需求考虑 JX-A7T 等混合模组 |
| 用户体验 | 离线方案需要多次交互，在线体验更好 |
7.2 方案选择决策图
需要识别的数值范围？
│
小范围(≤10个) 中等范围(10-100个) 大范围(>100个)
│ │ │
完全离散预置 分级离散+加减调节 必须用在线语音
(每个数值一个词条) (如温度整数+半度) (或混合方案)7.3 扩展学习
最后提醒：离线语音和在线语音各有优势，选择哪种方案取决于你的产品定位、成本预算和用户体验要求。对于需要处理大量动态数值的场景，混合方案（离线+在线）可能是最佳选择。
关键词：离线语音、数值识别、动态数字、变量限制、JX-A7T、混合方案、命令词配置、词条数量