CASE STUDY / LOOMVOICE

让语音助理走进真实的家庭生活

从孩子的真实教材需求出发,在拾音、语音质量和设备资源之间做选择。

我希望孩子不用拿起手机,也能围绕学校实际使用的教材与 AI 交流。这让一个看起来简单的语音入口,变成了关于知识、设备和日常体验的完整产品问题。

书本、语音入口、笔记与提醒组成的日常场景示意
FIG. 01场景示意:学习、语音交流与日常行动。由 Blender 构图与 AI 图像生成制作,非实际产品硬件外观;实际设备见演示视频。

从家人的反馈,到具体修改

01观察

英语太快;呼叫另一助理没有切换

02调整

角色语速;打断后的助理切换

03回到使用

重新对话,观察是否改善

来自家庭原型迭代记录。说明反馈怎样改变设计,不代表所有噪声与距离场景已经解决。

01 / 能对话,还不等于好用

首版响应慢、声音质量不理想,也容易受到外界杂音影响。设备说话时难以接收新的指令,家人必须等待系统完成自己的节奏。

换用支持全双工与回声消除的会议扬声器后,音频条件得到改善。但硬件能同时播放和拾音,并不自动带来完整的软件打断体验;唤醒、取消和角色切换仍要分别处理。

02 / 在设备资源与声音质量之间选择

树莓派的资源限制了本地语音模型的选择。为了获得更自然的声音,我引入云端语音服务,同时保留不同的回退路径。这也让网络、服务可用性与费用成为产品的一部分。

“运行在本地设备上”与“所有处理都在本地”需要分开说明。声音体验取决于整条链路,单个语音服务的首块延迟不能代表端到端对话延迟。

语音前台与后台任务

01本地设备

拾音、播放与唤醒

02语音会话

助理选择与当前交流

03知识与服务

资料、模型与语音能力

04后台工作

MyAgent 处理部分后台任务

展示职责边界;后台 MyAgent 不等于所有实时语音请求都经过同一个 Agent 循环。

03 / 让家人的反馈改变设计

“英语说得太快”推动了角色语速调整;“说话中叫另一助理没有切换”推动了打断后的助理切换修复。这些细小反馈,比增加功能列表更直接地指出了下一步该做什么。

教材接入也需要看得见的依据。演示把回答与原文放在一起,帮助观察助理如何使用材料;这还不能作为已验证教学效果的结论。

先让家里的日常使用变得顺手,再把安装和配置交给更多人。

从原型到更容易使用的产品

当前仍是家庭原型,没有公开安装包或源代码。后续方向是减少安装配置步骤,并逐步验证树莓派以外的设备。不同操作系统的音频、权限、运行依赖和更新方式,需要分别解决。