第8章车载语音助手开发

课程目录第8章车载语音助手开发

8、车载语音助手开发：CarVoiceInteractionSession、自定义唤醒词、多轮对话管理、场景引擎集成

车载语音助手，说白了就是车的「耳朵」和「嘴巴」。但跟手机上的语音助手不一样，车载场景下，用户的手和眼都被占用着，语音就成了最自然的交互方式。我最早做车载语音时，踩过一个坑——用户说「打开空调」，结果系统把「打开车窗」也识别出来了，差点把乘客吹感冒。嗯，从那以后，我对语音交互的精准度和场景理解，就格外上心。

这一章，我们聚焦 Android Automotive 平台上的语音助手开发。核心围绕四个关键词：CarVoiceInteractionSession、自定义唤醒词、多轮对话管理、场景引擎集成。我会结合项目中的实际经验，把每个环节的要点和坑都讲清楚。

8.1 CarVoiceInteractionSession：语音交互的「会话容器」

CarVoiceInteractionSession 是 Android Automotive 提供的一个抽象类。它管理着一次语音交互的完整生命周期——从用户开始说话，到系统给出反馈，再到会话结束。

我个人习惯把 Session 理解成一个「对话盒子」。每次用户唤醒语音助手，系统就创建一个新的 Session 实例。这个 Session 负责接收语音输入、解析意图、执行动作、返回结果。

  核心方法：
  onShow()：Session 被激活时调用，通常在这里初始化 UI 或播放提示音。
onHide()：Session 被隐藏时调用，清理资源。
onHandleIntent(Intent intent)：处理语音识别后的意图，这是核心逻辑所在。
onCancel()：用户取消或超时，释放资源。

我曾经在一个项目中，把所有的业务逻辑都塞进了 onHandleIntent 里，结果方法体超过 500 行，维护起来简直噩梦。后来我重构了，把每个意图的处理拆成独立的方法，代码清晰多了。

public class MyVoiceSession extends CarVoiceInteractionSession {

    public MyVoiceSession(Context context) {
        super(context);
    }

    @Override
    public void onHandleIntent(Intent intent, VoiceInteractionSessionCallback callback) {
        String action = intent.getAction();
        switch (action) {
            case "NAVIGATE":
                handleNavigate(intent, callback);
                break;
            case "CONTROL_CLIMATE":
                handleClimate(intent, callback);
                break;
            default:
                callback.onResult("抱歉，我暂时无法处理这个指令");
                break;
        }
    }

    private void handleNavigate(Intent intent, VoiceInteractionSessionCallback callback) {
        String destination = intent.getStringExtra("destination");
        // 调用导航模块
        callback.onResult("正在导航到 " + destination);
    }
}

小技巧：Session 的生命周期跟语音交互的「专注模式」绑定。如果用户长时间不说话，系统会自动调用 onHide()。记得在 onHide() 中停止语音合成和动画，避免资源泄漏。

8.2 自定义唤醒词：让车「认得」你的声音

唤醒词，就是那句「嗨，小蓝」或者「你好，车机」。Android Automotive 支持自定义唤醒词，但实现起来有几个关键点。

首先，唤醒词检测通常由底层 DSP（数字信号处理器）完成，不占用主 CPU。这样即使车机在休眠状态，也能被唤醒。我建议你使用 KeyphraseEnrollmentManager 来管理唤醒词的注册和训练。

KeyphraseEnrollmentManager manager = 
    (KeyphraseEnrollmentManager) context.getSystemService(Context.KEYPHRASE_ENROLLMENT_SERVICE);

// 注册自定义唤醒词
manager.enrollKeyphrase("你好小蓝", Locale.CHINESE, new EnrollmentCallback() {
    @Override
    public void onEnrollmentProgress(int progress) {
        // 训练进度 0-100
    }

    @Override
    public void onEnrollmentError(int errorCode, CharSequence errorMessage) {
        // 处理错误
    }
});

注意：唤醒词不能太短（比如「嗨」），否则误唤醒率会很高。也不能太长（超过 5 个字），用户说着累。我踩过的坑是用了「你好小蓝同学」，结果用户经常说一半就卡住。后来改成「你好小蓝」，识别率提升了一倍。

另外，唤醒词模型需要适配车内噪声环境。我建议在实车采集至少 200 条语音样本，包含不同车速、不同风噪的场景。否则，高速上喊破嗓子车都没反应。

8.3 多轮对话管理：别让用户重复说

多轮对话，是车载语音助手的「高阶技能」。比如用户说「导航到天安门」，系统问「走高速还是普通路？」，用户说「高速」，系统再问「要避开拥堵吗？」。这就是典型的多轮对话。

Android Automotive 没有内置的多轮对话框架，但我们可以基于 VoiceInteractionSession 自己实现一个简单的状态机。

我习惯用一个 DialogState 枚举来管理当前对话的阶段：

public enum DialogState {
    IDLE,
    WAITING_DESTINATION,
    WAITING_ROUTE_TYPE,
    WAITING_TRAFFIC_PREFERENCE,
    COMPLETED
}

public class MultiTurnDialogManager {
    private DialogState currentState = DialogState.IDLE;
    private Map<String, String> slotData = new HashMap<>();

    public String processInput(String userInput) {
        switch (currentState) {
            case IDLE:
                if (userInput.contains("导航")) {
                    currentState = DialogState.WAITING_DESTINATION;
                    return "请问您要去哪里？";
                }
                break;
            case WAITING_DESTINATION:
                slotData.put("destination", userInput);
                currentState = DialogState.WAITING_ROUTE_TYPE;
                return "走高速还是普通路？";
            case WAITING_ROUTE_TYPE:
                slotData.put("routeType", userInput);
                currentState = DialogState.WAITING_TRAFFIC_PREFERENCE;
                return "要避开拥堵吗？";
            case WAITING_TRAFFIC_PREFERENCE:
                slotData.put("trafficPreference", userInput);
                currentState = DialogState.COMPLETED;
                return buildNavigationCommand();
        }
        return "我没听清，请再说一遍";
    }
}

避坑指南：我曾经在状态机里忘了处理「用户中途反悔」的情况。比如用户说「导航到天安门」，然后又说「算了，不去了」。如果不加一个 CANCEL 状态，系统会一直卡在 WAITING_DESTINATION。所以，一定要监听类似「取消」「返回」「算了」这样的关键词，及时重置状态。

8.4 场景引擎集成：让语音「懂」当前场景

场景引擎，是车载语音助手的「大脑」。它根据当前车辆状态、时间、位置、用户习惯等信息，决定语音助手的响应策略。

举个例子：

车辆在高速上，用户说「我冷了」，场景引擎应该调高空调温度，而不是打开车窗。
车辆在充电，用户说「我要休息」，场景引擎应该推荐附近的酒店，而不是加油站。

场景引擎的架构，我一般分为三层：

数据层：收集车辆信号（车速、电量、车门状态）、时间、GPS 位置、用户画像。
规则层：定义场景规则。比如「车速 > 80 km/h 且室外温度 < 10°C」→ 场景 = 「高速低温」。
决策层：根据场景，调整语音助手的意图解析权重和回复策略。

下面是我画的一张场景引擎架构图，方便你理解整体流程：

集成场景引擎后，语音助手的「智商」会明显提升。我曾在一次 demo 中演示：车辆进入隧道，用户说「我有点闷」，系统自动打开外循环并降低空调风速。客户当场就拍板了。

  关键点总结：
  CarVoiceInteractionSession 是语音交互的容器，管理生命周期和意图分发。
自定义唤醒词要兼顾识别率和误唤醒率，建议在实车采集噪声样本。
多轮对话用状态机管理，别忘了处理「取消」和「反悔」场景。
场景引擎让语音助手「懂场景」，三层架构（数据层、规则层、决策层）是主流方案。

车载语音助手开发，说到底就是让机器学会「听」和「说」，并且「听懂」车内的环境。嗯，这一章的内容就到这里。如果你在实际开发中遇到什么奇怪的问题，欢迎来交流。

📚 课程目录

8、车载语音助手开发：CarVoiceInteractionSession、自定义唤醒词、多轮对话管理、场景引擎集成

8.1 CarVoiceInteractionSession：语音交互的「会话容器」

8.2 自定义唤醒词：让车「认得」你的声音

8.3 多轮对话管理：别让用户重复说

8.4 场景引擎集成：让语音「懂」当前场景