人坐在沙发上喊一嗓子，电视柜旁边的设备没反应，走过去再喊一次才灵。不少智能家电的语音识别距离太短，稍微离远一点就无法识别。问题多半出在拾音和前端降噪上，人离麦克风越远，声音越弱，电视声、风扇声、抽油烟机的轰鸣全都盖上来，近场方案到这个距离基本抓不到有效特征。
该芯片方案把识别距离目标设定5到8米。WTK6900FC是深圳唯创知音的离线语音识别芯片，SSOP24封装，本地完成唤醒和命令词识别，全程不联网，安静环境识别率最高98%，支持中文、英文、日语、韩语。
一、5到8米是怎么做到的
声音每远一倍距离大约衰减6dB，从1米到5米，人声到了麦克风端已经弱了14dB上下，房间混响和背景噪声的占比反而变大了。远场识别拼的就是在这个信噪比下还能不能把人声特征捞出来。
WTK6900FC的做法分三层。拾音层用驻极体麦克风，双通道PDM接口进芯片。算法层是BNPU V3内核，支持DNN、TDNN、RNN、CNN这些神经网络和并行矢量运算，语音检测和深度学习降噪都在片上跑，噪声被人声分离是在本地完成的，不依赖云端。识别层基于DNN-HMM框架出词条结果。三层都在一颗220MHz主频的芯片里跑完，识别实时性有保证。
麦克风的结构安装对识别距离影响很大，开孔位置、密封方式、离喇叭出声口的距离都会改变远场效果，建议样品阶段把结构件一起寄给原厂评估，别等量产了再改壳。
二、WTK6900FC的参数特征
WTK6900FC主频220MHz，内置2MB Flash和640KB SRAM，另有512bit eFuse可以做应用加密。音频侧audio ADC和DAC信噪比都在95dB以上，带1路IIS接口，主从可配。外设给得比较足，6路PWM、1路12bit SAR ADC、10个高速GPIO（其中7个耐5V），3路UART最高3Mbps且支持5V电平通讯，再加1路IIC。
供电3.6V到5.5V，内置PMU、上电复位和电压检测。时钟可以用内置RC振荡器，也可以外接晶体，这个在同类识别芯片里算省事的，WTK6900FC不需要外挂晶振就能跑。
★ 离线远场识别距离5到8米
★ 唤醒词10条，离线命令词300条
★ 命令词自学习最多19条，含1条唤醒词
★ 安静环境识别率最高98%
★ 支持中文、英文、日语、韩语
★ 支持OTA升级，无需外挂晶振
★ 深度学习降噪，抗噪能力强
三、命令词还能让用户自己教
出厂词条之外，WTK6900FC支持离线命令词自学习，不联网，最多存19个模板，1条唤醒词加18条命令词。
学习有两种方式。一是直接对设备说，唤醒之后在安静环境、0.5米内、正常语速把想学的词念两遍，芯片提取声学特征建模板，播报学习成功。二是上位机通过串口发学习指令，MCU把词条ID发进去触发录音学习，适合产品端做App或按键引导。学习的词建议3到5个字，太短太长都影响模板质量。
这里有个对终端产品很关键的特性。学习必须在安静环境完成，但学好之后在噪声环境识别正常，而且模板抓的是说话人的声学特征，对方言、口音、普通话不标准的用户兼容性好，家里老人小孩换着说也能认。产品卖到用户手里，用户想改控制词不用返厂烧录，这对出口多语言市场的家电是个实打实的卖点。
四、接到整机很简单
WTK6900FC识别到命令词后，通过UART把词条ID推给设备原有的主控MCU。3.3V TTL电平，帧格式为起始码0x7E、长度、扩展码、命令码、词条ID、累加和校验、结束码0xEF。比如识别到打开灯光，串口输出7E 06 FF 06 01 02 0E EF，主控拿到词条ID去驱动继电器或者PWM就行。回复语两种玩法，芯片识别后主动播报，或者主控发协议让芯片被动播，按项目需要选。芯片还留了C0版本查询指令，量产之后追溯固件版本用。
功耗方面，正常识别时5V输入总功耗70到150mW，这是1.1V内核由外部DC-DC供电时的数字；走内部PMU则是145到250mW。供电电路按这个量级设计即可。
不想自己画板，可以直接用WTK6900FC-M02模块，板尺寸40mm x 30mm x 6.55mm，TYPE-C口5V供电，板载功放和喇叭接口，麦克风座子也留好了，接上就能测。模块播音瞬间电流可能冲到460mA，电源要留足余量，纹波控制在50mV左右。模块工作温度零下10℃到70℃，芯片本身是零下40℃到85℃，车载和户外场景按芯片指标走。标准demo是智能开关面板例程，唤醒词和命令词都可以按需求定制，鼾声识别这类细分方向也有对应的成熟方案。
五、选型速查表
|-----------|----------|-------------------------|---------|-------------|--------------------|----------------|
| 型号 | 识别距离 | 词条能力 | 功耗 | 安静环境识别率 | 封装 | 典型应用 |
| WTK6900FC | 5到8米 | 唤醒10条+命令300条+自学习19条 | 50到60mA | 98% | SSOP24 | 小家电、大家电、车载 |
| WTK6900HC | 5到8米 | 唤醒10条+命令300条 | 25到30mA | 95% | SOP16/SSOP24/QFN32 | 小家电、大家电、车载 |
| WT2606A | 3到5米 | 唤醒10条+命令300条，支持音频流和拾音上传 | 30到40mA | 98% | QFN40 | 故事机、AI玩具、离在线识别 |
| WTK6900HA | 3到5米 | 唤醒10条+命令300条 | 15到20mA | 95% | SOP16/SSOP24/QFN32 | 灯具、风扇、按摩器 |
| WTK6900P | 0.5到3米 | 命令词20条 | 5到10mA | 90% | SOP8/SOP16 | 灯具、风扇、玩具 |
选型思路不复杂。设备离人近、词条少、对成本敏感，WTK6900P就够了。要3到5米、功耗压得紧，看WTK6900HA。5到8米远场里，WTK6900HC功耗低一截，WTK6900FC多了命令词自学习和98%的识别率上限，两边怎么取舍看项目更在乎电还是更在乎交互体验。要做离在线、要音频流解码和实时拾音上传，上WT2606A。
六、落地前过一遍这份清单
-
麦克风开孔和密封结构先跟原厂对一遍，远场效果一半靠它
-
学习引导流程想清楚，安静环境加0.5米内这两条要写进说明书
-
电源按播音峰值460mA留余量（用模块时），纹波50mV左右
-
串口电平3.3V TTL，主控是5V逻辑要先确认电平匹配
-
词条表、回复语、唤醒词在打样前定稿，定制词条以烧录实例为准
-
用C0指令确认固件版本，留档便于售后追溯