02 / BACKGROUND
背景与需求
客户原来的做法和真正要解决的问题。
桌面语音设备最大的坑是「叫不应」:为了省电或省成本,很多方案只在联网时才做唤醒与识别,网络一抖,设备就像哑了一样;而在办公室里,人往往是需要它立刻回应一下的那种场景。
茶饮场景还有一个具体需求:泡茶要计时。这个动作很碎但很频繁,做进设备里才有价值,做成手机 APP 就没人用。
后来客户又提了一个更实际的问题:茶叶放在桌上,潮气是看不见的。回南天、梅雨季里,茶饼和散茶受潮返青,等闻到味道就已经晚了 —— 于是又在这台设备上加了一条「保鲜」的线:盒内温湿度实时监测,湿度超过目标值自动除湿,手机上随时能看到里面到底潮不潮。
WAKE / 唤醒 网络不好就叫不应 唤醒和识别都放在云端,网络一抖设备就没反应,用户直接认为坏了。
CONTEXT / 场景 能聊天但不会泡茶 通用语音助手回答不了「茶泡几分钟」这种最实际的问题。
HUMIDITY / 潮气 茶叶受潮看不见 靠手感判断潮没潮,等茶叶返青、香气跑掉才发现,已经晚了。
03 / OUR ENGINEERING
我们的工程
技术路线,以及具体怎么实现的。
整套交互按「端云分层」来架构,这是这台设备工程上最重要的一个决定。音频链路上,麦克风采集先进本地音频前端,唤醒词检测与基础控制在 ESP32 主控上离线完成——唤醒、计时启停、模式切换这些高频动作的响应不受网络质量影响;只有自然语言理解与知识问答走在线链路,对接大模型 API。分层的边界划在「理解」而不是「交互」:用户感知不到哪句话在端上处理、哪句话在云上处理,但网络再差,这台设备也退不到「叫不应」。
控制部分是三路彼此独立的闭环:泡茶计时在本地维护,到点触发播报,计时精度不依赖网络时间;加热回路由大电流 MOS(D4184)直接驱动,输出状态在机身上有明确指示;除湿走「采集—判断—执行」的闭环——温湿度持续采样,目标湿度(40%~60%)由用户设定,高于目标启动、回到目标以下停止。启停刻意做成带回差的判据而不是贴着目标值硬切:湿度在目标附近小幅波动时不会反复起停,既保护执行机构,也不会把茶叶烘过头。
运行模式给了自动 / 手动 / 睡眠三档,且机身交互与 APP 是冗余关系而不是主从关系:OLED 显示与物理按键独立可看可调,手机不在身边、甚至完全没配网时,设备本身仍是完整可用的。
手机 APP 把运行数据搬出设备:在线状态、当前温湿度、目标湿度、运行模式,以及近 24 小时的湿度趋势——趋势意味着设备端在持续记录而不只是瞬时读数,回南天到底潮到什么程度、除湿起了几次作用,事后是可以回看的。
软硬件一体化交付:外壳与内部结构、主控板、固件与云端对接由同一个团队收口,接口全部落在明确的连接器与丝印上(J1 电源、J2 加热、J3 NTC、J4 LED、J5 OLED、J6 扬声器),产线装配与售后维修都有明确的物理基准。
- 01 本地音频前端
I2S 采集 · 唤醒前预处理
- 02 离线唤醒
唤醒词与命令识别在端侧
- 03 本地控制
计时 · 加热 · 除湿三路闭环
- 04 在线理解
大模型 API 自然语言问答
- 05 机身交互
OLED + 按键,与 APP 冗余
- 06 手机 APP
状态 · 模式 · 24h 湿度趋势
关键工程点
- 01
端云分层 唤醒与控制在端、理解在云;网络差的代价是「少聊两句」,不是「设备变砖」。
- 02
回差控制 除湿启停带回差判据,目标湿度附近不反复起停,省电且不把茶烘过头。
- 03
三路独立闭环 计时、加热、除湿各自闭环互不牵连,单一功能异常不影响其余。
- 04
交互冗余 OLED 与按键跟 APP 是冗余关系而非主从,完全离线也完整可用。
- 05
趋势可回看 24 小时湿度曲线由设备端持续记录,除湿效果事后可验证。
- 06
接口即文档 电源 / 加热 / 传感器 / 显示 / 音频各有独立连接器与丝印,装配维修有物理基准。
- 07
一体交付 结构、主控板、固件与云端对接一个团队收口,出厂即插即用。