Skip to content

榫卯 · 超级终端 v0.6.1(更强识别 + 唤醒/记录分离)

Choose a tag to compare

@minzzj minzzj released this 30 Oct 15:26
· 13 commits to main since this release

榫卯 · 超级终端 v0.6.1 · 更强的中文识别 + 唤醒/记录分离

针对你反馈「现在识别还很不准,建议换更强的模型」,本版把中文语音识别升级并重构成两条独立流水线。

1) 识别模型升级:FunASR Paraformer-large(+ VAD + 标点 + 热词偏置)

  • 替换原来的 SenseVoiceSmall;同一组 11 条真实测试音频:命令 6/6 全对,唤醒 4/5 完全正确(第 5 条「榫卯」被识别为同音「孙卯」,但拼音别名仍能唤醒);此前唤醒字符准确率约 64%、命令 93.7%。
  • 单句识别约 0.15–0.5s;热词可在 data/voice/config.json 的 asr.hotwords 自定义(默认已含 榫卯/小榫/打开记事本/音量/Chrome/照片/甩到电脑/回家模式/总结/提醒),可继续加人名、品牌、常用命令。

2) 唤醒与记录分开(新 scripts/voice/dual_worker.py)

  • 唤醒流水线:常驻但只截取 0.5–2.5s 短片段快速识别,用文本 + 拼音同音(含孙卯/孙某等纠错)匹配,命中才发唤醒事件;
  • 记录流水线:唤醒后单独开启命令会话,完整 VAD 分段(1s 静音结束、最长 15s)+ 标点 + 热词,输出命令/笔记长句;
  • 两条流水线参数与逻辑独立,同一时刻只有一个录音任务,不抢麦克风;会话静音 6s 回待机。
  • 会话窗口由 3s 延长到 ≥8s,并在说话/识别/执行时自动续期(修复「命令说慢一点就丢掉」)。

3) 真实回环实测(扬声器→麦克风,不是模拟)

  • 播放「榫卯」→ 唤醒事件 lastWake: 榫卯;
  • 播放「把音量调到六十」→ 识别正确 → 规则执行;
  • 真实系统音量 55 → 61 完成(执行 492ms,task succeeded),账本 integrity=true。

升级方式

  • 电脑:重启「榫卯超级终端」(或关闭重开),识别模型已自动缓存;无需额外配置。
  • 手机 APK 不变(0.6.0,见附件),语音由 App 录音→电脑本地识别;电脑端升级后手机语音识别同步变强。

说明 / 下一步

  • 上一轮你提的「可对话 AI 回看记录/总结」「屏幕字库识别结果可见」「大厂设备适配模板(方便个人配置)」「手机通知转发电脑」「提词器」已记录,下一轮继续做。
  • 手机 APK 仍未真机实测(本机无 adb),你装好后有问题发我截图/报错,我马上修。