Picovoice/rhino

什么是 Rhino？

Rhino 是 Picovoice 的 语音转意图引擎。它监听麦克风（或音频文件），在设备上运行一个微型神经网络，并直接返回一个结构化的意图——用户想要做什么——以及任何提取出的变量（称为槽位）。例如，说出：

“我可以来一杯小杯双份浓缩咖啡吗？”

会产生如下结果：

{
  "isUnderstood": true,
  "intent": "orderBeverage",
  "slots": {
    "beverage": "espresso",
    "size": "small",
    "numberOfShots": "2"
  }
}

为什么重要

设备端运行，低延迟 – 无需云端往返，因此可离线工作并保护隐私。
极小的体积 – 专为微控制器（Cortex-M）、树莓派、手机、浏览器和桌面操作系统设计。
可自定义 – 开发者可通过 Picovoice Console 创建自己的 上下文（命令集）。
跨平台 SDK – 提供 Python、.NET、Java、Flutter、React Native、Android、iOS、Web（JS）、Node.js 和纯 C 的即用型库。

它是如何工作的？

定义上下文 – 使用 YAML 文件将用户可能说出的 表达式（例如：“在 $location 的灯关掉”）映射到一个意图，并可选择性地标记表达式中的部分为槽位（变量）。示例：
```
turnLightOff:
  - 在 $location 的灯关掉。
```
训练模型 – Picovoice 的云服务将上下文编译为二进制文件（*.rhn），其中嵌入了一个为该领域优化的小型神经网络。
执行推理 – SDK 加载二进制文件，逐帧处理 16 位 PCM 音频。当语句结束时，返回一个 Inference 对象，包含 is_understood、intent 和 slots 字典。

快速入门（Python 示例）

# 安装 SDK
pip3 install pvrhino

import pvrhino

access_key = "YOUR_ACCESS_KEY"
context_path = "/path/to/your/context.rhn"

rhino = pvrhino.create(access_key=access_key, context_path=context_path)

while True:
    audio_frame = get_next_audio_frame()          # 16 位 PCM，长度 = rhino.frame_length
    if rhino.process(audio_frame):                # 当语句完成时返回 True
        inf = rhino.get_inference()
        if inf.is_understood:
            print("意图：", inf.intent)
            print("槽位：", inf.slots)
        else:
            print("未理解")
        rhino.delete()                            # 释放原生资源
        break

其他语言也遵循相同模式；每个 SDK 都暴露 sample_rate、frame_length、process() 和 get_inference()。

哪里可以尝试？

Web 演示 – 访问 https://picovoice.ai/demos/barista/ 查看交互式咖啡师演示。
桌面/嵌入式演示 – demo/ 文件夹中包含 C、Python、.NET、Java、Flutter、React Native、Android、iOS 和 Node.js 的预构建示例，展示麦克风实时和文件推理两种模式。
基准测试 – README 中链接了 speech-to-intent-benchmark，可公开对比云服务表现。

适合谁？

需要始终监听语音控制但不将音频发送到云端的 物联网/嵌入式设备（智能灯、咖啡机、恒温器等）。
希望实现离线语音命令的 移动应用。
需要保护隐私的语音交互的 Web 应用。
希望通过 Picovoice Console 快速定义一组固定命令的 原型开发者。

限制

专为 特定、有限的词汇（一个 上下文）优化。不是通用语音识别器。
加载引擎需要 访问密钥（试用免费，生产环境需商业授权）。
除列出的 9 种语言外，自定义语言支持仅对商业客户开放。

快速参考链接

GitHub 发布 – https://github.com/Picovoice/rhino/releases
Picovoice Console（创建上下文） – https://console.picovoice.ai/
SDK 文档 – 请参阅 README 中 SDKs 部分的语言特定章节。
包管理器 – Maven、npm、NuGet、CocoaPods、Pub、PyPI 均提供对应绑定。

TL;DR

Rhino 让你嵌入一个微型、离线的神经网络，将语音命令转化为结构化意图。它可在从微控制器到浏览器的任何设备上运行，你可通过简单的基于 YAML 的控制台定义自己的命令集。如果你需要在固定领域内实现可靠、低延迟的语音控制，Rhino 是首选解决方案。