语音实时交互需五步配置：一、平台启用语音流通道并设超时与静音参数；二、SDK初始化并绑定语音监听器；三、工作流配置多模型动态路由；四、开启端云协同缓存与续识机制；五、校准眼镜四麦克风拾音参数。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用Rokid灵珠AI平台开发语音交互功能时，发现语音输入无法实时响应或存在明显延迟，则可能是由于语音流配置缺失、模型调用链路未打通或端侧SDK未正确初始化所致。以下是实现语音实时交互的具体操作路径：
一、启用灵珠平台内置语音流通道
灵珠平台默认集成WebRTC协议栈与Rokid自研低误触唤醒引擎，需显式开启语音流通道以支持毫秒级语音输入捕获与首包响应。该步骤确保语音信号从麦克风采集后，不经本地缓存直接进入ASR识别流水线。
1、登录灵珠AI平台控制台，进入目标智能体的「设置」页签；
2、在「多模态输入」模块中，勾选「启用实时语音流输入」开关；
3、点击「高级配置」，将「语音流超时阈值」设为800ms，「静音检测时长」设为300ms；
4、保存配置并触发一次平台内语音调试测试，观察控制台日志中是否出现“stream connected”标识。
二、配置端侧SDK语音监听器
Rokid CXR-S SDK提供独立语音监听接口，必须在Android客户端完成初始化绑定，否则眼镜端麦克风数据无法注入灵珠云端工作流。该步骤建立硬件音频通路与云端ASR服务之间的双向绑定关系。
1、在Android项目中引入CXR-SSDK 2.4.1及以上版本依赖；
2、在主Activity onCreate()方法中调用CxrVoiceManager.getInstance().init(this)；
3、创建VoiceListener实例，重写onVoiceStart()与onVoiceEnd()回调；
4、在onVoiceStart()中调用CxrVoiceManager.getInstance().startStreaming()，启动实时流；
5、确认手机端Logcat输出包含“[VoiceStream] Streaming active: true”日志。
三、接入多模型动态路由节点
灵珠平台支持在工作流中插入「语音模型路由」节点，根据语义复杂度自动分发至Qwen3（轻量级）、DeepSeek-R1（高精度）或Kimi K2.5（长上下文）进行识别。该机制避免单一模型导致的首字延迟或语义截断问题。
1、进入智能体对应的工作流编辑界面；
2、拖入「语音识别」节点，双击打开参数面板；
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
3、在「模型策略」下拉菜单中选择动态路由（Auto-Routing）；
4、点击「添加规则」，设置第一条规则：当语音时长＜1.2s且置信度＞0.82时，路由至Qwen3；
5、设置第二条规则：当含专业术语词库命中或上下文长度＞5轮时，强制路由至DeepSeek-R1。
四、启用端云协同语音缓存机制
为应对弱网环境下的语音中断重传，灵珠平台提供端侧300ms环形缓存+云端断点续识能力。该机制要求在SDK层开启缓存开关，并在工作流中配置续识触发条件，防止用户一句话被截断为两段独立请求。
1、在CXR-SSDK初始化完成后，调用CxrVoiceManager.getInstance().enableLocalCache(300)；
2、在工作流中插入「语音断点续识」节点，置于ASR节点之后；
3、设置「续识窗口期」为1500ms，即语音流中断后1.5秒内恢复则自动合并为同一语义单元；
4、在该节点参数中勾选「启用上下文继承」，确保续识结果携带前序对话状态ID。
五、校准眼镜端四麦克风定向拾音参数
Rokid Glasses搭载4颗定向麦克风，其波束成形算法需根据佩戴者头型与环境噪声谱动态调整。若未执行校准，语音信噪比可能低于12dB，导致ASR识别率骤降。该步骤必须在首次配对设备后完成。
1、佩戴Rokid Glasses并连接配对手机；
2、打开Rokid Glass Companion App，进入「设备设置→语音校准」；
3、按提示朗读三组标准测试句，每句间隔不低于2秒；
4、校准完成后，App显示SNR提升值：+9.3dB（实测）；
5、重启眼镜设备，使新波束参数生效。
