送餐机器人语音交互方案：从离线唤醒到云端大模型

先说一个选型上容易踩的坑。WT2606A 系列里有个集成 WiFi 的版本 WT2606A-64L-5W6，放插电的固定设备上很合适，放送餐机器人上就不行了。机器人一直在动，WiFi 信号跟着位置变，切接入点、掉线重连的窗口期，语音链路说断就断。外卖机器人更干脆，出了店门根本不在任何 WiFi 覆盖里。

所以移动机器人的正确拆法是，联网能力跟着整机走，通过4G连接。语音交互芯片只干一件事，把听清、听懂、播报清楚这三件事做好，识别结果和数据通过 UART 交给主控。这里给一套用 WT2606A3-42N 跑通的方案。

一、方案核心

该芯片是本地语音触发引擎的辨识芯片，32 位内核主频 160MHz，支持硬件浮点运算，内置 2MB 或 4MB SPI FLASH，QFN42 封装 4x5mm。识别跑在端侧，断网不瘫，联网的复杂任务交给主控上云。

★ 离线语音唤醒加命令词识别，神经网络算法，3 米远场可靠识别，误判率低

★ 支持打断唤醒和连续识别，客人说到一半它就能接话

★ 语音降噪算法，稳态噪声过滤，动态噪声也有抑制，多麦克风 ENC 环境噪声消除

★ 双通道 24 位 DAC，信噪比大于等于 105dB，播报音质干净

★ 双通道 24 位 ADC，信噪比大于等于 95dB，拾音底子扎实

★ 支持 MP2、MP3、WMA、APE、FLAC、AAC、M4A、WAV、OPUS 解码

★ 工作电压 2.2 到 4.5V，3.7V 锂电池直接供

★ 工作温度 -40℃ 到 +85℃，后厨高温和冬天户外都扛得住

二、餐厅里的交互链路

唤醒。唤醒词识别跑在芯片端侧，不依赖网络。餐厅吵，双麦拾音配合 ENC 把人声从后厨噪音和背景音乐里剥出来，客人喊一声唤醒词，机器人立刻响应。这一步的响应速度，直接决定客人对这台机器人的第一印象。

对话。取餐、催单、去 3 号桌这类常用指令，离线识别端侧直接响应，延迟稳定，餐厅网络再堵也拖不了后腿。客人多问一句能推荐个不辣的吗，识别结果通过 UART 交给主控，主控经 4G 把语义交给云端大模型，回答再合成语音播报回来。断网时机器人退化成一台命令词点单机，照样能接单干活。

播报。双通道 24 位 DAC 信噪比大于等于 105dB，DAC 采样率覆盖 8kHz 到 96kHz。芯片出音频信号，功放按整机的喇叭功率来配，桌边小音量还是大堂大音量都有余地。打断唤醒意味着客人不用等它把话讲完，中途改口去 5 号桌，它停下来听新的。

三、外卖机器人，户外的差异点

供电。工作电压 2.2 到 4.5V，典型值 3.7V，配送车的锂电池直接供，不用额外做一级电源。工作温度 -40℃ 到 +85℃，冬天室外等餐、夏天暴晒都扛得住。

联网。4G 模块由主控统一管理，定位上报、云端对话、远程客服介入都走整机蜂窝链路，语音芯片不掺和联网的事。客服远程讲话给取餐人，音频从主控下来走芯片播报，链路清晰。

语音物料。提示语音和解码素材放 SPI FLASH 或 TF 卡，卡槽接口芯片上原生带，换配音不用动硬件。词条要批量更新，USB 2.0 OTG 接电脑就能升级。

状态输出。BUSY 脚给主控做播放状态指示，主控知道机器人现在是在播报还是在听，调度逻辑好写。

四、硬件设计要点

麦克风。支持单端和差分两种接法，MIC1+ 和 MIC2+ 接单端咪头，差分接 MIC1+ 配 MIC2+。偏置由 MICLDO 脚供电，外部不用搭偏置电路。咪头选型按规格书推荐的驻极体型号来，开孔和腔体结构跟着咪头规格走。

回声消除。AEC0 脚接功放的音频参考，机器人播报的同时还要听人说话，回声参考不接，AEC 就是摆设，自己人说话自己听成指令的误触发就是这么来的。

与主控通讯。RX1、TX1 全双工 UART 对接主控，识别结果实时回传，协议在芯片侧已经定型，主控按指令集解析就行。ADKEY 引脚留一路 AD 按键做调试和人工兜底。

蓝牙选配。芯片带 ANT 蓝牙天线脚，蓝牙功能按程序选配。不用蓝牙就不做天线设计，省一块布板面积。

布局。底部焊盘 E-GND 必须接地，散热和信号回流都靠它。VOUT 是内部 LDO 输出，必须接 106 电容到地。AGND 与 GND 直连或过 0R 电阻单点汇接，模拟地和数字地分开走。

五、选型速查表

技术参数依据 WT2606A3-42N 芯片资料 V1.01，配套型号以各自规格书与联调结果为准。