2025年，AI玩具已成為全球消費(fèi)科技領(lǐng)域最炙手可熱的賽道之一。DeepSeek的崛起，顯著降低了大模型的部署成本和門檻，成功點(diǎn)燃了整個行業(yè)以及資本市場對端側(cè)AI落地的熱情，進(jìn)一步推動了AI玩具的熱潮。

從市場需求來看，AI玩具正在重新定義兒童陪伴與教育的方式，不僅滿足“玩”的基本需求，而且，通過智能“擬人化”交互可為兒童提供豐富的情緒價值。數(shù)據(jù)顯示，2024年全球AI玩具市場規(guī)模已達(dá)181億美元，并以16%的年復(fù)合增長率持續(xù)擴(kuò)張，預(yù)計2033年將突破600億美元。越來越多的廠商正在積極布局AI玩具領(lǐng)域，然而，如何在激烈的市場競爭中脫穎而出，打造一款功能全面、用戶體驗卓越的差異化產(chǎn)品，成為企業(yè)成功突圍的關(guān)鍵。

離在線語音大模型方案演示

啟英泰倫深耕智能語音行業(yè)十年，現(xiàn)重磅推出AI玩具離在線語音大模型方案，相比行業(yè)現(xiàn)有方案具有以下五大優(yōu)勢：

01

語音喚醒，自然交互與隱私保護(hù)兼得

目前，大部分AI玩具還需要依賴觸摸按鍵發(fā)起對話，交互生硬，影響用戶體驗；或者持續(xù)監(jiān)聽數(shù)據(jù)上傳云端泄露用戶隱私，難以獲得家長信賴。

而本方案通過融入基于DNN的端側(cè) VAD （語音活動檢測）算法，可直接通過語音喚醒，避免了復(fù)雜的操作。AI玩具實時檢測用戶語音輸入，僅在檢測到有效語音時才上傳大模型進(jìn)行云端處理，兼顧自然交互與隱私保護(hù)。

02

實時性強(qiáng)，交互流暢

延遲是影響用戶體驗的關(guān)鍵因素。當(dāng)語音交互延遲超過1秒時，用戶將感覺到明顯的滯后感，會顯著降低交互流暢性和增加用戶焦慮情緒。

本方案通過基于DNN的端側(cè)VAD算法及深度降噪算法，將語音數(shù)據(jù)處理部署到芯片端，能夠保證傳到云端的是經(jīng)過處理的、高質(zhì)量的語音數(shù)據(jù)，避免云端處理冗余數(shù)據(jù)及大規(guī)模計算任務(wù)帶來的響應(yīng)延遲，滿足兒童與設(shè)備實時互動需求。

03

高識別準(zhǔn)確度，適應(yīng)復(fù)雜噪聲環(huán)境

目前，大部分AI玩具缺乏語音降噪功能，導(dǎo)致在嘈雜環(huán)境中語音識別準(zhǔn)確率低，兒童需重復(fù)指令，影響使用體驗。本方案采用基于DNN的深度降噪技術(shù)，具備更強(qiáng)的自適應(yīng)性和泛化能力，能夠在不同的噪音環(huán)境中保持優(yōu)異的降噪效果，為云端大模型提供了更干凈的語音，極大提升了云端大模型的語音識別準(zhǔn)確率。

04

隨時打斷，提升交互效率

目前，大部分AI玩具必須等待回答結(jié)束后才能響應(yīng)新的指令，交互效率低。本方案基于回聲消除技術(shù)，結(jié)合VAD算法，可有效抑制回聲，實現(xiàn)實時打斷功能，讓兒童無需漫長等待即可繼續(xù)進(jìn)行語音指令輸入，保障了用戶體驗的流暢性與即時性。

05

指向性交互，打造沉浸式人機(jī)互動體驗

一般AI玩具缺乏對聲源方向的感知，無法與用戶建立自然的關(guān)注互動，互動體驗單一。本方案基于DNN聲源定位算法，可實現(xiàn)多場景下的指向性交互，設(shè)備可感知兒童的聲音方向并主動“看向”用戶或向用戶方向移動，模擬真實互動場景，增強(qiáng)互動的自然性與趣味性。

AI玩具離在線語音大模型方案功能框圖啟英泰倫現(xiàn)已推出適用于CI1302、CI1303、CI1306離線AI語音芯片和CI2305、CI2306 AI語音Wi-Fi Combo芯片的AI玩具離在線語音大模型方案。

●CI1302、CI1303

基于該芯片，啟英泰倫提供基于DNN的本地語音喚醒及語音識別、語音深度降噪、端點(diǎn)檢測、命令詞自學(xué)習(xí)、回聲消除，另還提供Speex、Opus數(shù)據(jù)壓縮、MP3流媒體播放等功能。啟英泰倫提供前端功能SDK，用戶可基于自主選型的WIFI進(jìn)行云端開發(fā)。

該方案采用單麥克風(fēng)，對結(jié)構(gòu)要求相對較低，適用于各類AI玩具。

●CI1306

基于該芯片，啟英泰倫提供基于DNN的本地語音喚醒及語音識別、語音深度降噪、端點(diǎn)檢測、聲源定位、回聲消除，另還提供Speex、Opus數(shù)據(jù)壓縮、MP3流媒體播放等功能。啟英泰倫提供前端功能SDK，用戶可基于自主選型的WIFI進(jìn)行云端開發(fā)。

該方案采用雙麥克風(fēng)，可實現(xiàn)聲源定位，適用于需要指向性交互的AI玩具、桌面寵物等。

●CI2305、CI2306

基于該芯片，啟英泰倫提供語音和WIFI相關(guān)功能。語音功能包括基于DNN的本地語音喚醒及語音識別、語音深度降噪、端點(diǎn)檢測、聲源定位、回聲消除，另還提供Speex、Opus數(shù)據(jù)壓縮、MP3流媒體播放等功能。WIFI功能包括錄音數(shù)據(jù)和播放數(shù)據(jù)轉(zhuǎn)發(fā)、BLE藍(lán)牙配網(wǎng)、產(chǎn)品部分功能邏輯，支持TCP/MQTT/UDP網(wǎng)絡(luò)傳輸協(xié)議。啟英泰倫提供芯片對接云平臺服務(wù)商的SDK，用戶可基于此SDK進(jìn)行端上功能開發(fā)。

該方案集成WIFI，可降低整個方案的成本。包括單麥克風(fēng)、雙麥克風(fēng)兩種方案，雙麥克風(fēng)可實現(xiàn)指向性交互。

啟英泰倫AI玩具離在線語音大模型方案，基于啟英泰倫神經(jīng)網(wǎng)絡(luò)語音芯片，支持OTA升級，也可用于智能家電、AI教育、養(yǎng)老陪護(hù)、機(jī)器人等產(chǎn)品，全面解決行業(yè)痛點(diǎn)，為廠商提供極具競爭力的差異化解決方案。