クリアな収音

騒音下でも聞き取り、話している最中でも割り込める

ローカル処理

完全ローカルで実測 0.9 秒応答、オフラインでも対話

調整済み、すぐ使える

各ボードで実測調整済み、コードは公開

シナリオ詳細

設備上の遠距離収音と割り込み、ローカル認識、音声指令による設備の操作。

遠距離収音と割込み

課題と背景

端末のスピーカーから音声が出力されている間、マイクが自端末の音を拾ってしまい外部の声を認識できず、案内が終わるまでユーザーが次の発話を待たされる不自然な対話になります。

エッジAIソリューション

チップ上でハードウェア音響エコー除去(AEC)を行うマイクアレイを搭載。80dBの大音量再生時でも自端末の音を確実に打ち消し、ユーザーの割り込み発話を瞬時に検知して再生を即座に停止します。


主なメリット

  • ハードウェアAEC:最大80dBの自機スピーカー再生音を瞬時に相殺
  • 音源方向検知:DoAアルゴリズムで話者方位を特定し指向性ビーム形成
  • 即時割り込み:利用者の発話を検知するとミリ秒単位で発話を中断

ハードウェア AEC

設備自身が再生する音はアレイ基板上で除去され、指令と誤認されません。モーターやギアなどの機械音は除去対象外です。

音源方向とビーム

ボード上で音源方向(DoA)を出力しビームフォーミングを実施。収音は約 5 m、円形アレイは 360°、リニアは 180° をカバーします。

割り込み対応

応答再生中もマイクは収音を続け、ユーザーが話すと再生を止めて次のターンに移ります。設定でオフにできます。

割り込み可能な対話型音声AI

すぐにデプロイ可
$npx -y @seeed-studio/solution-cli deploy conversational_voice_ai
詳細構成と機器選定へ →

ローカル認識

課題と背景

パブリッククラウドLLMは回線障害や閉域網で完全に停止し、APIコール従量課金は長期的な運用コストを肥大化させます。また企業の機密照会内容が外部流出するリスクがあります。

エッジAIソリューション

NPU内蔵エッジPCを採用し、端末側でオフラインASR・量子化軽量LLM・ローカル音声合成を実行。クラウド通信を一切行わずに1秒未満の高速かつ安定した応答を維持します。


主なメリット

  • 多言語認識:30言語の対話に対応し端末側でサブ秒の高速応答を実現
  • オフライン保護:端末側LLMで推論完結し対話データを外部に出さない
  • 音声カスタマイズ:多段階の合成音声を用意しリファレンス音源で声紋複製

多言語認識

30の対話言語から導入時に1つを選択。デバイスが選択言語に対応しない場合、導入はエラーで停止します。

ローカル LLM

LLM はローカルホストで動作し、対話テキストは端末の外に出ません。

音声ペルソナ

音声はロボット音・合成音・肉声の 3 段階。肉声モデルは参照音声から声色を複製できます。

対話型デスクトップロボット

すぐにデプロイ可
$npx -y @seeed-studio/solution-cli deploy reachy_claw_voice_robot
詳細構成と機器選定へ →

音声で設備を操作

課題と背景

協働ロボットやサービス端末でタッチパネル操作を強いると作業員の両手が塞がり、クラウド経由の音声制御は通信遅延の揺らぎが大きく、アームの把持遅延や衝突事故のリスクを招きます。

エッジAIソリューション

ロボット本体に小型エッジ計算モジュールを内蔵。音声指示を端末側で構造化座標・動作コードへ直接パースし、内部高速バス経由で数十ミリ秒以内に各関節へ制御信号を送信して把持動作を実行します。


主なメリット

  • 音声即時把持:物品名を呼ぶだけで高速バス経由でアームが把持実行
  • 再学習不要:対象物品リストは設定変更のみで追加でき再学習が不要
  • 意図マッピング:曖昧な口頭指示を正規化し正確な機器コマンドへ変換

名前で把持

音声コマンドから持ち帰りまで約 11 秒。箱、不透明なカップ、立てた不透明ボトル、バナナ、オレンジを把持できます。

再学習不要

検出器の対象リストは設定項目で、対象の追加は設定変更だけで済みます。透明な物体や幅 10 cm を超える物体は対象外です。

設備・システム連携

コマンドは拡張でき、言い回しが違っても最も近いコマンドに一致させてから、設備や業務システムへ送ります。

導入と選定

構成ツールは用途、音声グレード、同時処理数、ローカルLLM、集音方式、遅延要件を順に選んで具体的な型番を出します。

選び方に迷ったら 選定ガイドを詳しく見る →

用途

ソリューションを構成

一歩ずつ質問に答え、最適な推奨BOMに絞り込み

  • ウェイクワードフロントエンドパッケージ

    ウェイクワードとコマンドワードのみ対応。顧客独自のホストシステムと組み合わせて使用

    硬件/物料名称数量型号/SKU说明
    XIAO ESP32-S3 Sense (オンボードマイク)1113991115-
  • ローカル文字起こしパッケージ

    単一言語ローカルSTT(TTSなし)。会議メモや音声メモに最適。

    硬件/物料名称数量型号/SKU说明
    ReSpeaker Lite (2-Mic 近距離)1107990273-
    reRouter CM4 1020321110110205-
  • 双方向対話パッケージ

    多言語認識 + TTS。クラウドまたはローカルLLMを選択可能。

    硬件/物料名称数量型号/SKU说明
    ReSpeaker Lite (近距離 ≤3m)1107990273-
    reRouter CM4 102032 — マシン音声エントリー(単一言語)1110110205-

アーキテクチャトポロジー

フロント・統合型から構成選択

音声処理の計算リソースをどこに置くかが、性能上限と単体BOMを決定します。一般的な3つの展開モデル:


主なメリット

  • フロントエンド型:軽量モジュールで起動語検知を行い自社ホストと連携
  • ハイブリッド型:端末側で音声入出力を行い高度推論はクラウドに委託
  • オールインワン:高プライバシー・超低遅延のために全処理をローカル完結
製品画像デバイス同時対話数(音声のみ)音声機能ローカルLLM
reRouter CM4 シリーズreRouter CM4 シリーズ1チャネルマシン音声非対応(クラウド可)
reComputer RK3576 シリーズreComputer RK3576 シリーズ1チャネルシミュレート音声4B–7B(RK1828必要)
reComputer RK3588 シリーズreComputer RK3588 シリーズ1チャネルシミュレート音声4B–7B(RK1828必要)
reComputer J30 シリーズreComputer J30 シリーズ1チャネルリアル音声~2B
reComputer J40 シリーズreComputer J40 シリーズ2〜3チャネルリアル音声4B–7B
reComputer J50 シリーズreComputer J50 シリーズ3チャネル以上リアル音声7B–14B
NVIDIA Jetson AGX Thor Developer KitNVIDIA Jetson AGX Thor Developer Kit6チャネル以上(音声のみ)リアル音声14B–32B

ローカル音声ホスト

CM4からThorまで柔軟なエッジAI推論性能

アーキテクチャ図中央の「音声ホスト(ASR / TTS / Agent)」ブロックの選定表(ファミリー単位):各ファミリーの音声のみの同時対話数、音声機能、実行可能なローカルLLM規模を記載。具体的な型番・構成・アクセサリは下の構成ツールで選択してください(マイクとスピーカーの選定は次のタブ)。注:ローカルLLMを音声パイプラインと同一デバイスで実行すると性能が低下し、応答遅延が増加します。高並列 + 大規模モデルではより高いグレードを推奨します。


主なメリット

  • エントリー級:CM4とRK3576が単一系統のコマンド語と音声認識を担当
  • プロフェッショナル:J30/J40が高品位TTSと端末側ローカルLLMを駆動
  • フラッグシップ:AGX Thorが複数系統の対話と大規模モデルを軽快に処理
製品画像製品タイプ適用範囲主な仕様
ReSpeaker LiteReSpeaker Lite収音(近距離)≤ 3m / デスクトップ / 個人ワークステーション2 マイクアレイ / オンボード AI 音声処理 / USB · I²S
ReSpeaker XVF3800ReSpeaker XVF3800収音(中・遠距離)3–5m / 会議室 / リビング / ワークステーション4 マイク / XMOS DSP / AEC / ESP32S3 ウェイクワード・フロントエンド
reSpeaker ClipreSpeaker Clip収音(ウェアラブル)身に着けて使用 / 最大 3m / 360°2 マイク PDM / SpeexDSP ノイズ抑制 / Bluetooth LE 5.3 + Wi-Fi
ReSpeaker Flex Circular-4ReSpeaker Flex Circular-4収音+再生(円形)機器組み込み 360° / ウェイクワード・フロントエンド内蔵4 マイク / XMOS DSP / AEC / ESP32S3 / 10W アンプ
ReSpeaker Flex Linear-4ReSpeaker Flex Linear-4収音+再生(リニア)機器組み込み 180° / ウェイクワード・フロントエンド内蔵4 マイク / XMOS DSP / AEC / ESP32S3 / 10W アンプ

集音とスピーカー

集音距離と筐体形状に合わせて選定

マイク選定の主な変数は「収音距離」と「環境騒音」です。収音と再生の組み合わせの主な仕様と推奨構成は以下のとおりです。


主なメリット

  • 多彩なフォーム:卓上型・組込用分離型・ウェアラブル型アレイを用意
  • オンチップ音響:エコー除去・ノイズ低減・音源測位をハードウェア処理
  • オープン統合:標準インターフェースとオープンソースファームで容易に組込

よくあるご質問

お探しの答えが見つかりませんか?
お問い合わせ
ハードウェアパートナーとしてうれしいです!
次へ