离线语音控制：不联网、不注册、不上云

我们有一部分灯具可以在完全没有网络连接的情况下听懂口令——识别是在距离 LED 几厘米的一颗芯片上完成的。 它和"叫智能音箱开灯"是两种不同的产品，而且差别是双向的。

两种语音，差别不在"聪不聪明"

云端语音是大多数人说的语音控制。你对着音箱或手机说话，音频被送到服务器， 服务器判断你的意思，再把指令发回给灯。词汇是开放的，灯是别人生态里的一个设备， 整条链路需要一个账号和一条能用的互联网连接。

离线语音把一个小型语音识别引擎放进灯具本身。有一个唤醒词和一组固定指令， 两者都在生产时烧录进去。没有账号、不需要与助手配对、没有音频离开这个房间。 它不是云端方案的缩水版，而是另一种设计，擅长的事情也不一样。

离线真正更强的三件事

1. 它立刻回应。识别就发生在灯所在的位置，没有到服务器的往返。 从说完那句话到灯发生变化的间隔，短到会被感知为"即时"——云端语音通常做不到。
2. 网络断了它照常工作。路由器重启、宽带掉线、某个人的手机上账号退出了—— 这些都传不到灯这里。停电恢复的那一刻是你最想用一句话把灯打开的时候， 而那恰恰是云端助手最不可能响应的时候。
3. 没有任何东西离开房间。不存在一路上传的麦克风音频流，因为它无处可去。 对卧室、儿童房，或者单纯不希望家里有一台始终联网在听的设备的人来说， 这一条就是全部理由，不需要别的。

它放弃了什么

1. 指令集是固定的。你没法自创一句话。有一张清单，清单在生产时就定了， 用这个产品意味着去记它，而不是反过来。多数指令集在十几到二十几条——开、关、调亮、调暗、颜色、几个场景。
2. 它只知道自己。"全部关掉"需要有个东西知道"全部"指的是什么。 一颗装在某盏灯里的离线芯片根本不知道别的灯存在。全屋逻辑是助手或网关的活， 这是离线语音在结构上做不到的事。
3. 唤醒词不归你改。它通常可以在定产品时定制——那是制造环节的选项，外销机型很常见—— 但买灯的人改不了。

误唤醒比词汇量重要得多

比较离线语音模块时，大家读的规格是指令条数，而真正决定你喜不喜欢这个产品的规格是误唤醒率。 一个会在看电视新闻时自己醒来的模块，比一个只听得懂十句而不是二十句的模块难相处得多。

描述这件事的是两个数字，正经的供应商两个都有：误接受率——没人叫它的时候它响应的频率； 以及误拒绝率——你正经下了指令它却装作没听见的频率。这两个数字互相拉扯。 把模块调得更不容易被误触发，也就同时调得更不容易被有意触发。有用的问题是： 在有背景噪声的条件下这两个数字是多少——安静房间里的数据永远好看。

模块装在哪儿，和里面是哪颗芯片同样重要。麦克风藏在灯罩后面，听到的是一个闷掉的房间； 朝着天花板，听到的就是天花板。装在高处、房间又都是硬表面时，反射声到得太晚，会把一句话糊掉。 这些在数据手册上都看不到——所以一个在桌上识别很好的灯具，装上去之后可能让人失望， 也所以值得按它真正会待的高度先测一个。

语种是模型，不是设置项

离线识别是按语种分的，这一点跟云端不同。每个语种是一个单独的模型编译进芯片， 所以一个既懂英语又懂普通话的产品是带了两个模型，再加第三个是制造决策而不是菜单项。 买家会注意到的一个怪现象背后就是这条约束：同一款灯具卖到两个市场，指令集可能不一样， 因为那两套指令集是分别做的。

另一个维度是模型大小。更大的模型在口音和噪声下识别更稳，占用的硅片面积也更多； 更小的模型便宜，也更不宽容。对只卖一个市场、口音单一的产品，小模型往往是正确的工程选择； 对会遇到没人测试过的口音的外销产品，通常不是——而一个同时提供两种规格、 并且能说清你询价的那颗用的是哪一种的供应商，其实是在告诉你：这产品其余部分的规格也定得同样仔细。

怎么选

1. 如果灯需要在停电恢复时、在没有可靠网络的房间里、或者在完全没有云端设备的环境下工作 ——离线，这个决定已经做完了。
2. 如果价值在于跨设备的逻辑、定时，或者与其他品牌的联动 ——云端或网关。离线语音做不到，词汇量再大也改变不了。
3. 如果你希望三四句日常用语得到即时响应，其余的慢一点无所谓 ——两者都要，前提是灯具支持。多数人最满意的是这个组合。
4. 无论选哪种，都要在真实房间里、按实际安装高度、开着电视测一遍。 市面上每一个语音产品，在安静的展厅里表现都很好。

我们哪些灯具带离线语音、带的那些该配哪个 App，见 我需要哪款 App。