前一阵子帮朋友评估一个香薰机的智能化改造，他最初的构想很直接：“加个语音控制芯片就行了”。但等我真正打开选型清单，把麦克风布局、雾化片噪声、提示音回声这些因素一个个摆出来之后，他才意识到事情没有这么简单。香薰机这种小家电做智能语音控制，芯片选型不光是挑一颗“能识别语音”的料，更是在挑选一套能扛住超声波雾化噪声、能在卧室场景稳定运作的整体方案。这篇文章把我做香薰机智能语音控制芯片选型时的完整思路、方案对比数据和实测经验整理出来，给正在做智能小家电的硬件工程师、产品经理和创客朋友做个参考，尤其是那些准备把“离线语音控制”加进现有产品线的团队。
1. 香薰机加语音，到底图什么：先算清楚使用场景这笔账
1.1 现有控制方式的真实短板
在讨论任何芯片之前，得先想明白一个问题：香薰机的用户到底需要语音控制吗？我做过的很多产品选型项目，失败往往不是因为技术选错，而是因为产品定位没想清楚。香薰机的主流控制方式目前是触控按键、旋钮、遥控器和App，看起来选择很多，但放到真实生活场景里，每一种都有明显短板。
- 触摸按键：卧室助眠场景里，用户往往是关了灯、躺到床上才想起要调节香薰机。这时候摸黑找按键非常难受，看不清档位，误触概率极高。很多香薰机采用顶部出雾、侧面按键的结构，按键在弱光下基本要靠记忆去摸。
- 遥控器：额外增加一个遥控器意味着用户要多管理一件电器的电池和摆放位置，产品本身就放在床头柜，再添一个遥控器反而是负担。而且遥控器很容易被随手塞进被子里、枕头下，用得越多丢得越快。
- App控制：打开App、等待连接、点按界面，这套流程在“睡前想快速开个香薰”这种即时需求面前实在太重了。用户已经困得不行，不会有耐心去解锁手机、切换页面。
- 智能音箱联动：如果产品带WiFi模块，确实可以通过小爱同学、天猫精灵这类音箱去联动控制，但问题在于一旦断网、路由器重启或者音箱离线，本地功能就完全瘫痪。香薰机作为一台需要每天稳定运行的小家电，不能接受“断网就变哑巴”这种体验。
语音控制恰好补上这个空位：不用看见、不用触摸、不用联网，说一句“打开香薰”机器就动了。这个体验的价值核心是“极低的操作门槛”，而不是炫技。香薰机的使用场景偏静态、夜间、卧室，恰恰是语音交互最舒服的场合。
1.2 语音控制在香薰机上的价值边界
做选型最忌讳的事情，是给产品定一个它撑不起来的定位。香薰机不是智能音箱，用户不会躺在床边跟它聊天气、问股票、点歌。它需要的语音能力本质上只有三个字：听得懂。具体拆开讲，包含这么几个层面：
- 能准确识别有限的指令词，比如开关、档位调节、定时、灯光控制；
- 能在房间有空调声、白噪音、电视声等环境噪声的前提下稳定唤醒；
- 响应要快，用户说完指令到机器执行动作，最好控制在500毫秒左右，别让人感到“卡”；
- 不需要多轮对话，不需要语义理解，更不需要和云端AI聊天。
把需求收敛到这个程度之后，选型的大方向就清晰了：以离线词表识别为主，在线语义识别基本用不上。离线方案的优势很直接：不依赖网络、响应快、功耗低、语音指令不传出本地，在卧室这种私密场景里用户更安心。从成本上看，离线语音识别芯片相比“WiFi模组+云端识别”的组合，整机BOM成本的增量可以控制在几元到十几元人民币，对毛利率敏感的小家电项目非常友好。
这里需要给做产品的朋友敲个警钟：如果产品定位是“全屋智能生态的一个入口”，那确实应该考虑带WiFi的方案去接入主流生态。但大多数香薰机根本没有这种刚需，为“也许未来用得上的联网”多花几倍的成本，不仅挤压毛利，还会引入配网、断网、云服务费等一堆长尾麻烦。选型第一步，先老老实实确定这个产品是“独立智能小家电”还是“生态互联产品”，两套路径的成本结构完全不同。
2. 别急着选芯片，先把“要说的话”和“要做的事”定下来
2.1 香薰机的受控对象清单
选芯片之前，我习惯先把产品的受控对象全部列出来，做一张控制清单。这个过程看着繁琐，却能直接决定芯片需要多少IO口、需要几路PWM、需不需要UART和I2C，也能避免后面硬件设计返工。以一台功能完整的超声波香薰机为例，它的受控对象大致是下面这张表：
| 控制对象 | 功能描述 | 常见接口方式 |
|---|---|---|
| 雾化片 | 起雾开关、雾量档位调节 | 高频驱动电路，PWM或专用驱动芯片控制 |
| 冷雾/加热雾化切换 | 部分机型支持加热雾化 | GPIO + 加热片控制 |
| LED氛围灯 | 开关、亮度调节、颜色切换 | 多路PWM调光，RGB三路或单路 |
| 定时功能 | 30分钟/60分钟/睡眠长定时 | 内部定时器，按键或语音触发 |
| 提示音 | 语音回复或蜂鸣反馈 | 语音芯片自带功放输出到喇叭，或GPIO触发蜂鸣器 |
| 水位检测 | 缺水保护、防干烧 | ADC采样或干簧管液位开关 |
| 电源管理 | 待机/工作态切换 | GPIO控制LDO或DC-DC使能 |
这张表本质就是功能需求说明书。选型时对着它看就够了：芯片的IO数量够不够，PWM路数够不够，是否自带音频功放，是否支持ADC采样做水位检测。很多硬件工程师跳过了这一步，直接看芯片厂商的选型手册，结果等到画原理图时才发现IO口差两个、没有多余的定时器通道，被迫外挂一颗小MCU，成本和时间白白浪费。
2.2 唤醒词与命令词表设计
词表设计看起来只是“写几个词”，实际是整个语音产品体验的骨架，重要性不亚于芯片选型，而且这一步完全由产品定义决定，芯片厂商帮不了你太多，需要你自己下功夫。
先说唤醒词。香薰机场景建议选两个或三个音节的词，比如“小香小香”“香香助手”。唤醒词有一些约定俗成的选词原则，我在好几个项目里总结下来的经验是：
- 避免与家庭成员常用称呼、家居常用词读音接近，否则电视声、家人聊天声很容易误唤醒；
- 避免使用已经有注册商标的品牌词或者知名度极高的产品唤醒词，这里不仅有侵权风险，还容易和用户家中的其他语音设备“抢答”；
- 发音要干脆利落，不要有太多同音词干扰；
- 四个字以上的唤醒词误唤醒率确实更低，但用户在懒散状态下念四个字很费劲，反而不利于养成使用习惯。香薰机这种“动嘴不动手”的产品，唤醒词越短越好，两个或三个字是性价比最高的选择。
然后是命令词表。命令词的本质是给用户一个“可预期”的操作集合。用户不会按照开发者的措辞说话，只会按照日常习惯表达，所以词表要覆盖常用说法，但不能贪多。以我的实践经验，一套适合香薰机的命令词表大约20到40条，按功能场景分组：
- 开关类：“打开香薰”“关闭香薰”“开机”“关机”
- 档位类：“一档”“二档”“三档”“大雾”“小雾”“雾大一点”“雾小一点”
- 定时类：“定时半小时”“定时一小时”“取消定时”
- 灯光类：“开灯”“关灯”“灯光亮一点”“把灯光调成蓝色”
词表设计有几个容易踩的坑。最典型的是命令词之间特征过于相近。我有朋友做香薰机，把“大雾”和“加大雾”都加进了词表，以为多一句用户更方便，结果识别引擎经常混淆，用户说“加大雾”，机器一会儿执行“大雾”，一会儿执行“加大雾”，体验非常割裂。词表越精简越好，每条命令词的语义都要拉开距离。另一个坑是命令词和唤醒词在声学特征上重叠，比如唤醒词叫“小香小香”，命令词里又带“香薰”，就很容易出现偶发自唤醒。选完唤醒词之后，建议把全部命令词放一起做一次“混淆检查”，把发音相近的替换掉。
2.3 在线还是离线：选型的第一道分水岭
我在选型时通常先做一个在线/离线决策，这个决定直接影响芯片平台、模组选型和成本结构，必须在看任何Datasheet之前定下来。
判断标准其实不复杂，我一般用三个问题来问自己：
- 产品主要靠固定指令工作，使用场景和命令集合是否稳定？如果是，选离线。
- 产品是否必须接入全屋智能生态，或者是否需要App远程控制？如果需要，选带WiFi的方案。
- 产品是否需要对话式交互、多轮语义理解，比如“我想闻促进睡眠的香味”这种模糊指令？如果连这种需求都有，必须走云端语义，成本会明显上升，香薰机很少需要。
从行业数据看，香薰机这类小家电采用离线语音方案的占比远高于在线方案。核心原因还是那句老话：稳定压倒一切。离线识别的响应时延通常在100到500毫秒之间，不受网络波动影响；在线识别虽然准确率上限更高，但一次网络请求往返快则300毫秒，慢则一两秒，在卧室场景里这种延迟是能感知到的“不听话”。
还有一点很容易被忽略：离线方案的数据隐私属性。用户躺在卧室里说出的指令不出本地设备，对厂商来说也省去了录音数据合规处理的一堆麻烦，这一点在日益严格的隐私监管环境下越来越重要。
3. 市面主流方案的基因差异：离线专用芯片、WiFi在线识别与模组方案
3.1 第一类：专用离线语音识别芯片
这是目前香薰机语音控制的主力方案，逻辑是在一颗芯片里集成语音识别算法、词表存储和外围接口。MCU可以通过UART、SPI或者GPIO读取识别结果，也可以直接让芯片接管简单的控制逻辑。这种芯片行业里都已经卷出性价比了，市面上成熟的方案包括启英泰伦的CI1006/CIL311系列、创芯微的CI1102系列、老牌的LD3320等，其中前两者在国内智能小家电里覆盖率很高。
不同芯片的差异点主要在几个维度：
- 词表容量：入门级方案可能只支持几十条命令，中端方案普遍支持几百条，对香薰机来说50条以内的词表需求，入门级和中端其实都够用，但如果你有后续扩展词表的计划，就要直接选中端；
- 麦克风支持：只支持单路模拟麦的方案和同时支持双路差分麦、数字MEMS麦克风的方案，在抗噪能力上差距明显，这是香薰机选型最该看的指标；
- 接口资源：是否自带音频功放、有多少路PWM、有没有I2C/SPI去接传感器或屏幕，这些直接决定能不能省掉一颗MCU；
- 唤醒性能：这是最容易被规格书误导的数据。不同芯片在安静房间里的唤醒率可能都是97%，但放到香薰机最大雾量档开启的噪声环境下，有的能掉到70%，有的还能稳定在90%以上。选型前一定要拿真实噪声环境去测，而不是盯着规格书上的实验室数字。
这类芯片为什么适合香薰机？因为香薰机控制结构简单，灯光、雾化、定时基本都是开关量和电位量，一颗中低端离线语音芯片完全可以全部接管。整机设计时可以省掉一颗独立MCU，也可以让语音芯片只负责“听到指令”再把结果发给主控。两种架构都很常见，前者成本更低，后者灵活性更高。
3.2 第二类：带WiFi的SoC方案，本地识别与云端识别
第二类方案的代表是乐鑫ESP32系列，尤其是ESP32-S3。这颗芯片内置了神经网络语音识别加速能力，可以运行乐鑫官方的ESP-SR语音识别组件，在本地实现唤醒词和命令词的识别；同时WiFi和蓝牙保持在线，既可以接云服务做App控制，也能做OTA升级，还能作为智能家居生态的接入节点。
它的优势一句话就能概括：一颗芯片既做了语音，也做了联网，产品未来要升级成全屋智能生态成员，不需要推倒重来。代价也同样明显：
- 芯片价格比专用离线语音芯片贵，同时对Flash和RAM的要求更高，整体元器件成本上涨明显；
- 软件栈复杂很多，需要跑RTOS、处理网络事件、考虑无线认证，开发周期明显拉长；
- 功耗偏高，待机电流不够友好。对香薰机这种长时间通电放床头的小家电来说，功耗问题还能容忍，但如果是电池供电的便携香薰机，就要慎重再慎重。
还有一半路线是更“轻”的在线方案：用通用MCU（比如STM32、GD32）外接一个WiFi模组，语音识别放到云端完成。这种方案硬件成本最低，但缺陷很突出：识别延迟高、依赖网络、每次识别都会产生云服务费用，长期运营成本并不一定低。我一般只建议在“产品一定要联网且已有云平台资源”的项目里走这条路，否则不要为了省硬件钱去背云服务的长期包袱。
3.3 第三类：语音识别模组，适合快速出样和低开发量团队
语音识别模组是把芯片、Flash、麦克风、功放、电源电路全部集成在一个小板上，整机厂只需要留供电、喇叭和IO口。这种方案最明显的价值是降低硬件设计门槛，相当于是把音频电路这部分的经验风险全部转移给了模组厂商。
如果你的团队没有音频硬件设计经验，或者项目要在极短时间内出可演示的样机，模组方案基本是最稳的选择。我自己在给一些创业团队做技术评估时，只要他们整体硬件能力偏弱，我都会推荐从模组起步。它的问题主要是体积和单位成本略高，模组的引脚定义和结构固定受制于厂商规格，后面想换芯片平台，硬件改动量会很大。所以模组方案更适合验证产品定义和市场，不适合一上来就瞄准超大批量且严控BOM的产品。
| 方案类型 | 代表方案 | 离线/在线 | 推荐场景 | 整机成本增量参考 | 开发复杂度 |
|---|---|---|---|---|---|
| 离线语音芯片 | CI1006、CI1102系列、LD3320 | 离线 | 功能固定的小家电、香薰机 | 较低，芯片+麦克风+功放合计几元到十几元 | 低 |
| WiFi SoC本地识别 | ESP32-S3 + ESP-SR | 离线为主，可在线 | 需要联网和生态接入的产品 | 中高 | 高 |
| MCU + 云识别 | STM32 + WiFi模组 + 云端SDK | 在线 | 已有云平台的联网产品 | 硬件成本低，但云服务持续收费 | 中高 |
| 语音识别模组 | 各家封装的通用语音模组 | 离线/在线均可 | 快速出样、无音频经验的团队 | 中 | 低 |
3.4 选择时的几个“基因”细节
除了大方向，还有一些容易被忽略的细节，这里单独提出来，因为我在实际项目中吃过亏。
- 开发工具链的成熟度：不同芯片的词表定制方式差别很大，有的需要专用工具，有的提供命令行脚本，有的干脆开放了模型重新训练的接口。工具链是否顺手、是否要收授权费、是不是能本地生成词表文件，这些直接影响后续迭代效率。哪怕某颗芯片参数再好看，工具链难用了，项目后期加一句话都要折腾一周，一样拖垮进度。
- 麦克风接口类型：很多入门级离线芯片只支持单端模拟麦克风，对环境噪声的抑制能力有限。香薰机场景有雾化噪声，有条件一定要选支持差分输入或者数字MEMS麦克风的方案。数字麦克风能把模拟链路受到的干扰大幅减少，布线也更友好。
- 工作电压与IO电平：语音芯片通常是3.3V供电，如果主控是5V系统，或者电机、水泵驱动带来较大电压纹波，需要做好电源隔离和滤波。否则电源噪声会直接耦合进麦克风信号，识别率会在你完全想不到的地方莫名其妙往下掉。
4. 香薰机独有的声学坑：雾化噪声、超声干扰和喇叭回声
4.1 雾化片噪声到底有多麻烦
香薰机的工作噪声和普通家电完全不同。市面上绝大多数香薰机用超声波雾化片，工作频率在1.7MHz或2.4MHz，属于人耳听不到的超声频段。但问题在于，驱动电路本身会产生可听频段的电噪声，雾化片振动带起水花、气泡破裂，会产生复杂的宽频噪声；如果产品还有散热风扇或水泵，声学环境就更恶劣了。
这意味着语音识别芯片在香薰机工作时，麦克风收到的信号不是干净的语音，而是“语音+宽频噪声+可变的喷雾气流冲击”。如果麦克风离出雾口太近，气流甚至会直接吹动振膜，产生低频的“呼呼”噪声，进一步压低语音部分在信噪比中的占比。芯片在安静环境下的识别率再高，放到这种环境下也要打折扣。所以选型阶段就得明确：必须用真实工作噪声去测试识别率，而不能只看官方规格书。
4.2 麦克风布局和结构处理
麦克风的位置在香薰机上几乎是决定语音体验的第一要素。我在某次帮人调试产品时，客户坚持把麦克风放在雾化片旁边以压缩整机体积，整机装完后唤醒率直接从评估板阶段的97%掉到70%。后来用延长线把麦克风移开5厘米，加硅胶减震垫，识别率才恢复到93%左右。
结合这类项目经验，麦克风的布局我总结为几条硬性建议：
- 麦克风尽量远离出雾口，至少保持5厘米以上的直线距离，水雾绝对不能直接落到麦克风开孔上，否则雾气凝结会堵塞拾音通道；
- 不要把麦克风放在风机风道的出风路径上，风噪是宽带噪声，对语音特征的污染非常严重；
- 麦克风支架用硅胶或泡棉减震，防止雾化片、水泵的振动通过外壳传导到麦克风振膜，这种结构噪声靠算法很难完全消除；
- 拾音孔开在侧面或背面，指向用户一侧，孔径控制在1到1.5毫米左右，加一层防尘网，既能防尘又能削掉一部分风噪。
结构上的这些事情，必须在芯片选型阶段就纳入考量。如果产品结构已经注定麦克风位置不佳，那就必须选降噪算法更强的芯片，或者干脆用双麦克风做波束成形。很多项目等结构定型了才发现语音识别率不达标，到时候只能大改模具或者换芯片，代价比提前做声学评估大得多。
4.3 提示音回声：被低估的误触发根源
香薰机响应语音指令时，大多数方案会播放一句“好的”或者用蜂鸣器“嘀”一声作为反馈。这个反馈声音会被同一个麦克风收回去，如果不做回声消除处理，识别芯片很可能把刚播出的提示音当成新的语音指令，形成循环触发。具体现象就是：你说“打开香薰”，它答“好的”，然后它把自己说的“好的”又识别成“打开香薰”，再答一次“好的”，如此往复，十分闹心。
解决这个问题的思路有两个方向。第一是选支持AEC回声消除的语音芯片，在播放提示音的同时做回声抵消。第二是软件层面把提示音时机和识别窗口错开，即播放提示音的瞬间暂停识别，结束后等50到100毫秒再重新打开识别窗口。这部分功能通常需要自己开发，成本不高，但体验有牺牲。我个人的建议是优先选支持AEC的芯片方案，哪怕贵了一点钱，后期的调试时间和误触发的负面口碑会远超这点差价。
4.4 大雾量下的识别率下降与对策
很多香薰机开最大雾量时，识别率会比静音状态掉一截。虽然水雾本身对声波传播的影响微乎其微，但雾化器满功率运行时噪声级上升，加上气流冲击麦克风，信噪比急剧恶化。实测时要注意：不能在静音状态测完就下结论，必须把最大档、最小档、带水泵版和不带水泵版分开测试，每一档都留测试记录。
如果最大雾量档的识别率掉得厉害，工程上通常用几种方案优化：
- 把雾化档位和识别档位解耦，语音识别时微降雾量，牺牲一点连续性换一个稳定的识别窗口；
- 增加一个“轻柔模式”，语音指令落地到轻柔模式执行，实测识别率会好很多；
- 用双麦克风加降噪算法，配合波束成形，把雾化噪声作为非目标方向噪声抑制掉，这条路线成本更高但效果上限也更高。
5. 用实测数据筛选芯片：从评估板到整机的验证流程
5.1 评估板阶段的功课
拿到语音芯片评估板后，我建议第一件事不是急着接线，而是把厂商提供的词表工具链完整跑通。看能不能自己烧写词表，能不能调整唤醒词，能不能看到识别日志和置信度输出。这个环节如果卡住，后续所有工作都要依赖原厂支持，量产后的迭代会被动很多。
评估板阶段还要做一次边界测试：找一个有噪声的环境，打开电视或者播放音乐，观察芯片在噪声下的误唤醒率。不要只用安静的办公室做唯一测试环境，因为用户卧室里通常有空调声、白噪音机、加湿器的声音。误唤醒测试至少持续几个小时，最好能跑到8小时以上，用“单位时间误唤醒次数”来评估。这一步通常不会在规格书里体现，但恰恰决定产品上市后用户是否会骂“半夜自己开了”。
5.2 整机测试矩阵
评估板阶段通过后，真正的考验是整机组装后的测试。我会制作一张完整的测试矩阵表，把所有使用场景组合起来，按固定流程执行：
| 测试项 | 测试条件 | 合格标准参考 |
|---|---|---|
| 唤醒率 | 1米距离、中等环境噪声 | ≥95% |
| 命令识别率 | 1米距离、全部命令词各执行20次 | ≥93% |
| 误唤醒 | 播放电视/音乐/环境声，连续8小时 | ≤1次 |
| 响应时延 | 指令说完到设备执行动作的时间差 | ≤500ms |
| 大雾量场景识别 | 最大雾量档、1米距离 | ≥90% |
| 远距离识别 | 2米距离、正常音量 | ≥85% |
| 提示音循环测试 | 连续执行命令100次，观察是否自我触发 | 0次 |
这些标准不是拍脑袋定的，而是结合用户真实反馈和行业惯例总结出来的。如果产品定位中高端，指标还可以再往上提；如果是成本优先的入门款，至少也要达到唤醒率90%以上，否则用户会说“喊了好几遍都没反应”，那还不如不做语音功能。
5.3 我踩过的几个真实坑
这里分享几个我在不同项目里真实遇到的坑，给大家当反面教材。
第一个坑是麦克风位置。我做的一款带水泵的香薰机，为了整机外形紧凑，把麦克风做在了雾化腔附近，结果整机唤醒率直接低于预期，后来加了一个延伸支架把麦克风挪出来，再用硅胶套减震，才恢复到可以接受的水平。教训就是：声学结构设计必须在选型阶段就参与，芯片再好也救不了错误的麦克风位置。
第二个坑是唤醒词和命令词特征重叠。唤醒词用“小香小香”，命令词里有“打开香薰”，结果语音引擎在“打开香薰”里捕捉到了和“小香小香”高度相似的特征，出现了偶发自唤醒。后来把唤醒词换成“香香助手”，命令词里的“薰”字全部去掉，问题才彻底解决。词表设计时，唤醒词和所有命令词是要一起做声学相似度检查的，不能分别设计完再接起来用。
第三个坑是提示音的频谱设计。我试过用比较尖锐的“叮咚”声做反馈，结果这个声音的谐波成分和部分命令词很接近，AEC没调好的时候频繁自我触发。后来把提示音换成一个低沉的短“咚”声，误触发问题明显减少。提示音不是简单的音色选择，它和语音识别链路是强耦合的，设计时就要把它当成识别系统的一部分来处理。
6. 量产前的最后一公里：成本结构、备货周期与词表迭代
6.1 成本结构拆解
语音控制功能带来的成本增量，远不止一颗芯片的钱，很多团队在立项时只算了芯片单价，后期发现整个系统成本超了。以离线方案为例，增量成本包括这些部分：
- 语音识别芯片本身，小批量采购价格大约在2到6元人民币，大批量还能再谈；
- 麦克风，数字MEMS麦克风大约1到3元；
- 功放和喇叭，如果要有语音播报能力，需要额外预算；
- 供电电路改动，增加稳压和滤波器件；
- 结构开孔和防水防尘处理，这部分在模具阶段就要考虑。
整体算下来，一台香薰机增加语音控制功能，整机BOM成本大约增加5到15元人民币。这个成本花得值不值，取决于产品毛利空间。如果一台香薰机售价在100到200元，语音功能带来的差异化价值是匹配的；如果产品定位是低价引流款，语音控制可能反而拉低竞争力，不如把成本投在雾化片性能、水箱工艺或者外观材质上。成本这件事没有绝对答案，只是要看产品策略。
6.2 词表冻结与迭代节奏
离线语音芯片一个很明显的特征就是词表固化。量产时烧入什么词表，产品生命周期内就是什么词表，除非产品支持OTA升级。因此量产前一定要做好词表版本的冻结管理，每一版词的变更都记录在案，避免工厂端烧写错版本导致批量事故。
做词表规划时还要预留一点Flash余量，不能把容量用满。因为产品上市后有很高概率会遇到用户用某个自然说法表达需求，而这个词不在词表里。如果当时Flash已经被填满，想加词只能改硬件换芯片，非常被动。我见过不止一个产品因为词表规划太满，上市后收到大量用户反馈却无法快速响应，最后只能硬着头皮做硬件改版。
6.3 供应链与第二供应商
语音芯片选型时，供应渠道和交期往往被忽略，直到缺货时才想起。有些芯片虽然参数好，但备货周期十几周，而且只有一家供应商，风险全压在一条线上。成熟的选型做法是建立“第二供应商”策略：主方案选定A家的离线语音芯片，同时列出和它引脚兼容、工具链相近的B家芯片作为备选。一旦A家交期拉长或涨价，能快速切换，不至于停产。
同时要关注厂家是否有持续迭代工具链和算法的能力。语音识别的技术迭代很快，词表工具、降噪算法、唤醒模型都在持续更新。如果厂商两年不更新工具链，你的产品后期加新词、改善识别率都会很痛苦。选芯片本质上是在选一个长周期技术合作伙伴，而不只是买一颗料。
6.4 如果未来要接入生态，现在该做什么
不少做香薰机的朋友会纠结：现在先做离线语音，以后想接App和智能音箱怎么办？这个问题可以在硬件设计阶段用一颗“预留接口”解决。语音识别芯片做本地指令入口，主板留一组UART或I2C引脚，未来要接WiFi模组时直接外挂。语音芯片把识别结果传给WiFi模组，由模组上报云端，这样当下的成本不用增加，未来扩展路径也留好了。
反过来，如果确定产品一开始就要做生态接入，那就直接选ESP32-S3这类带WiFi的SoC，做“语音+联网”一体方案，不要再走“离线语音芯片+WiFi模块”的双芯片老路。双芯片在成本、功耗、调试复杂度上都不划算，除非有非常明确的安全隔离要求，否则一颗SoC搞定的事情不要拆成两颗做。
做香薰机智能语音控制芯片的选型，说到底既是在做产品体验，也是在选供应链合作伙伴。我个人的体会是，千万不要把选型工作和结构设计拆开做，Datasheet上的识别率只能当参考，真实体验取决于麦克风位置、雾化噪声、提示音回声和词表设计这四个因素的合力。如果时间有限，先把开发板买回来，直接在你的香薰机真实噪声场景下测一轮，比花两周研究参数表要有用得多。最后再分享一个小经验：第一版词表宁可少不要多，上市后根据用户真实说法做第二版迭代，比一开始贪大求全靠谱得多。
