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。
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。
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
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。
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
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。
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
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 →
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) | 1 | 113991115 | - |
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) | 1 | 107990273 | - |
| reRouter CM4 102032 | 1 | 110110205 | - |
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) | 1 | 107990273 | - |
| reRouter CM4 102032 — マシン音声エントリー(単一言語) | 1 | 110110205 | - |
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
| 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 | 1チャネル | マシン音声 | 非対応(クラウド可) |
![]() | 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 | 1チャネル | シミュレート音声 | 4B–7B(RK1828必要) |
![]() | reComputer J30 シリーズ | 1チャネル | リアル音声 | ~2B |
![]() | 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 | 3チャネル以上 | リアル音声 | 7B–14B |
![]() | NVIDIA Jetson AGX Thor Developer Kit | 6チャネル以上(音声のみ) | リアル音声 | 14B–32B |
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
| 製品画像 | 製品 | タイプ | 適用範囲 | 主な仕様 |
|---|---|---|---|---|
![]() | ReSpeaker 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 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 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-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-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 |
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
対話モデルの配置によります。ローカルLLM(RK3588 + RK1828カード、またはJ4012)を選ぶと、認識・対話・音声合成はすべてデバイス上で実行され、初回オンライン起動でイメージとモデルをダウンロードした後はオフラインで動作します。クラウドモデルを選ぶと対話にはネットワークが必要で、認識と音声合成は引き続きデバイス上で実行されます。
演算能力のグレードによります。RK シリーズと J3011 は 1 チャンネル、J4012 は 2〜3 チャンネル、J5012 は 3 チャンネル以上に対応——いずれも音声処理のみ(認識+合成)の場合の数値です。ローカルLLMを載せると演算リソースがモデルに使われるため、1 チャンネルでの運用を推奨します。多拠点であればデバイスを増やして水平展開も可能です。
音声は出ません。認識と音声合成はデバイス上で行い、録音はアップロードされません。クラウドモデルを選ぶと、認識したテキストは設定したモデルAPIに送信されます。ローカルLLMを選ぶとテキストもデバイス内に留まります。業務システムと連携する場合に送られるのは認識後のテキストです。
可能です。ウェイクワードは短い中国語または英語のフレーズに変更でき、起動時に反映され、感度は厳格・標準・高感度の3段階です。声はマシン音・シミュレート音・リアル音の3段階で、J4012のリアル音モデルは参照音声から声をクローンできます。
1 年間のハードウェア保証と 1 年間の技術サポートを提供します。二次開発に関わる内容(自社開発アプリ、高度なカスタマイズ)はカスタマイズサービス窓口を通じ、プロジェクトチームがサポート方法を評価します。
可能です。本ソリューションで使用する Seeed 製品は、ロゴ・筐体・パッケージ・プリインストールファームウェアのカスタマイズに対応し、既存モデルへのインターフェースや機能の追加・削除も可能です。。対応範囲と流れはハードウェアカスタマイズサービスをご覧ください。