Picovoice/rhino

什麼是 Rhino？

Rhino 是 Picovoice 的 語音轉意圖引擎。它監聽麥克風（或音訊檔案），在裝置上執行一個微型神經網路，並直接回傳結構化的意圖——使用者想要做什麼——以及任何提取出的變數（稱為槽位）。例如，說出：

「我可以來一杯小杯雙份濃縮咖啡嗎？」

會產生如下結果：

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

為什麼重要

裝置端運行，低延遲 – 無需雲端往返，因此可離線運作並保護隱私。
極小的體積 – 專為微控制器（Cortex-M）、樹莓派、手機、瀏覽器和桌面作業系統設計。
可自訂 – 開發者可透過 Picovoice Console 建立自己的 上下文（命令集）。
跨平台 SDK – 提供 Python、.NET、Java、Flutter、React Native、Android、iOS、Web（JS）、Node.js 和純 C 的即用型函式庫。

它是如何運作的？

定義上下文 – 使用 YAML 檔案將使用者可能說出的 表達式（例如：「在 $location 的燈關掉」）對應到一個意圖，並可選擇性地標記表達式中的部分為槽位（變數）。範例：
```
turnLightOff:
  - 在 $location 的燈關掉。
```
訓練模型 – Picovoice 的雲端服務將上下文編譯為二進位檔（*.rhn），其中嵌入了一個為該領域優化的微型神經網路。
執行推論 – SDK 加載二進位檔，逐幀處理 16 位 PCM 音訊。當語句結束時，回傳一個 Inference 物件，包含 is_understood、intent 和 slots 字典。

快速入門（Python 範例）

# 安裝 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，長度 = rhino.frame_length
    if rhino.process(audio_frame):                # 當語句完成時回傳 True
        inf = rhino.get_inference()
        if inf.is_understood:
            print("意圖：", inf.intent)
            print("槽位：", inf.slots)
        else:
            print("未理解")
        rhino.delete()                            # 釋放原生資源
        break

其他語言也遵循相同模式；每個 SDK 都公開 sample_rate、frame_length、process() 和 get_inference()。

哪裡可以試用？

Web 示範 – 訪問 https://picovoice.ai/demos/barista/ 查看互動式咖啡師示範。
桌面／嵌入式示範 – demo/ 資料夾中包含 C、Python、.NET、Java、Flutter、React Native、Android、iOS 和 Node.js 的預先建置範例，展示麥克風即時與檔案基礎推論兩種模式。
基準測試 – README 中連結的 speech-to-intent-benchmark 可公開對比雲端服務表現。

適合誰？

需要始終監聽語音控制但不將音訊傳送到雲端的 物聯網／嵌入式裝置（智慧燈、咖啡機、恆溫器等）。
希望實現離線語音命令的 行動應用。
需要保護隱私的語音互動的 Web 應用。
希望透過 Picovoice Console 快速定義一組固定命令的 原型開發者。

限制

專為 特定、有限的詞彙（一個 上下文）優化。不是通用語音辨識器。
加載引擎需要 存取金鑰（試用免費，生產環境需商業授權）。
除列出的 9 種語言外，自訂語言支援僅對商業客戶開放。

快速參考連結

GitHub 發布 – https://github.com/Picovoice/rhino/releases
Picovoice Console（建立上下文） – https://console.picovoice.ai/
SDK 文件 – 請參閱 README 中 SDKs 部分的語言特定章節。
套件管理器 – Maven、npm、NuGet、CocoaPods、Pub、PyPI 均提供對應的繫結。

TL;DR

Rhino 讓你嵌入一個微型、離線的神經網路，將語音命令轉換為結構化意圖。它可在從微控制器到瀏覽器的任何裝置上運作，你可透過簡單的 YAML 基礎控制台定義自己的命令集。如果你需要在固定領域內實現可靠、低延遲的語音控制，Rhino 是首選解決方案。