一、服務(wù)器端需要部署的模型類(lèi)別 語(yǔ)音轉(zhuǎn)文本模型（STT），即語(yǔ)音識(shí)別模型：服務(wù)器端部署或在機(jī)器人端實(shí)現(xiàn)。 自然語(yǔ)言理解模型（NLU）：服務(wù)器端部署。 文本語(yǔ)言大模型（LLM）：可采用私有化部署到本地的方案。也可采用通過(guò)API調(diào)用大廠LLM的方案。 文本合成語(yǔ)音模型（TTS）：服務(wù)器端部署。 二、服務(wù)端功能需求 接收機(jī)器人端傳來(lái)的語(yǔ)音，將將語(yǔ)音轉(zhuǎn)文本后進(jìn)行意圖識(shí)別。 如果是“喚醒意圖”，則向機(jī)器人發(fā)送“喚醒指令”文本。 如果是“語(yǔ)音控制意圖”，則向機(jī)器人發(fā)送“控制指令”文本。 如果是聊天意圖，則將機(jī)器人端傳來(lái)的語(yǔ)音進(jìn)行處理后，生成回復(fù)語(yǔ)音返回給機(jī)器人。處理鏈路大致為：speech → STT → NLU → LLM → TTS → audio_response。 三、機(jī)器人端功能需求 提供機(jī)器人端SDK，機(jī)器人端通過(guò)調(diào)用API(C++)向服務(wù)端發(fā)送語(yǔ)音數(shù)據(jù)。 如果語(yǔ)音喚醒功能是在機(jī)器人本地實(shí)現(xiàn)，則需要提供語(yǔ)音喚醒功能的SDK。

? 應(yīng)用場(chǎng)景：根據(jù)上傳的指標(biāo)數(shù)據(jù)，對(duì)比指標(biāo)的健康值范圍，找出不良指標(biāo)，對(duì)不良指標(biāo)做出決策建議。