断网仓库里，让设备听懂人话的一次配置记录

上周在客户仓里待了两天，最烦的是西北角那块没信号，机器人走不准反而是次要的。我们原来的语音交互走云端，声音传上去、结果传下来，中间断一下就废。后来换成在本地跑的方案，声音不出机器，处理完直接出指令。这次配的是 Creoir 那台国防级边缘语音AI，名字听着挺唬人，用起来其实就干一件事，把说的话变成能执行的指令，全程不联网。

别被“国防级”三个字吓住。拆开看就三个动作，把你的话转成文字，判断你要它干什么，再决定要不要回一句话。这三步原来都在云上，现在塞进本地的一台小盒子里。边缘AI的意思就是在设备上本地处理，断网也能跑，响应更快，数据也不出机器。

准备的东西不多。一台能跑推理的边缘盒子，带 NPU 的那种，我手上这台巴掌大；一个近场用的麦克风，别拿仓库里那种吊顶的远场麦凑合；一张命令词表，写清楚你要它认哪几句话；一台笔记本，用来连盒子改配置；还有一个能断网的环境，这点很重要，后面会说。

从通电到出第一条结果，步骤是这样的。先给盒子上电，用网线连到笔记本，盒子默认不开公网，只在一个本地网段里，笔记本的地址改成同网段就能访问。浏览器里输盒子的局域网地址，进配置页，左侧能看到语音前端、命令词、本地推理、输出四个标签。点命令词，把你要认的句子一条条加进去，我第一批只加了六条，一号位缺料、停线、复位、继续、叫人、急停。回到本地推理，把开关打开，选中文模型，这一步会加载一会儿，屏幕上有个进度条，别急着断电。对着麦克风说“一号位缺料”，页面上会出现一行识别结果，后面跟一个置信度分数，分数高说明模型有把握。点输出，把结果接到串口或者本地消息队列，下游的 PLC、AGV 调度都能收。我这边接的是 ROS2 的话题，两行配置就通了。预期结果就是，说完一句话，屏幕上出文字，下游设备收到一条指令，整个过程不碰公网。

接下来是三个我踩过的坑。第一个是麦克风位置，我一开始把麦装在机柜顶上，离人一米五，仓库里还有风机噪声，识别率掉得厉害。后来挪到操作台前三十公分，加了块吸音棉，一下就稳了。边缘模型再强，也架不住输入太脏。第二个是命令词写太长，我最早写的是“一号工位物料快用完了请补料”，结果模型经常只抓到后半句。边缘设备上的词表小，句子越长越容易飘，改成“一号位缺料”四个字就稳得多。另外注意发音别太接近，“停线”和“停机”这种，我试下来确实会混，换一个就行。第三个是断网之后起不来，这个坑最阴。有些系统第一次启动要做联网校验，断网就卡在开机界面。解决办法是先联网激活一次，再拔网线。我第二次部署就记住了，先通电联网，跑通一条指令，再断。还有个细节，置信度阈值别设太高，设到接近满分，稍微有点环境噪声就不响应，现场会以为机器坏了。

下一步先别急着加功能。我建议只做一件事，把这套东西接到一个真实的动作上，比如说完“停线”让输送带真的停。跑通这条链路，你才知道延迟到底能不能接受。再往后可以加语音回读，让它确认一句“已停线”，操作工心里有底。多命令串联也能试，但那是第二步的事。

边缘语音AI的价值，说到底是断网的时候它还在。