语音不出门
基于 sherpa-onnx 的本地推理链路：KWS 唤醒 → 流式 ASR → 意图 → TTS 播报，四段全部在终端完成。语音数据不上传，只有识别后的文本经网关送入模型。
声纹是第二把钥匙
唤醒后先做声纹校验，未通过则拒绝响应；对话过程中渐进更新声纹特征，长期使用越用越准。活体检测模块正在解决"用音响播放录音"这类重放攻击。
连续对话与打断
支持自然打断：用户说话即中断 TTS 播报并切换为倾听态。结合 HUD 视觉特效，交互状态（待机 / 唤醒 / 思考 / 播报）实时可见。
| 环节 | 方案 | 是否上云 |
|---|---|---|
| 唤醒 | KWS 多角色模型 | 否 |
| 识别 | SenseVoice / Zipformer | 否 |
| 合成 | Piper / VITS / MeloTTS | 否 |
| 推理 | 网关接入大模型 | 可选 |