2025年，AI玩具已成为全球消费科技领域最炙手可热的赛道之一。DeepSeek的崛起，显著降低了大模型的部署成本和门槛，成功点燃了整个行业以及资本市场对端侧AI落地的热情，进一步推动了AI玩具的热潮。

接入大模型的AI玩具

从市场需求来看，AI玩具正在重新定义儿童陪伴与教育的方式，不仅满足“玩”的基本需求，而且，通过智能“拟人化”交互可为儿童提供丰富的情绪价值。数据显示，2024年全球AI玩具市场规模已达181亿美元，并以16%的年复合增长率持续扩张，预计2033年将突破600亿美元。越来越多的厂商正在积极布局AI玩具领域，然而，如何在激烈的市场竞争中脱颖而出，打造一款功能全面、用户体验卓越的差异化产品，成为企业成功突围的关键。

 启英泰伦深耕智能语音行业十年，现重磅推出AI玩具离在线语音大模型方案，相比行业现有方案具有以下五大优势：

01语音唤醒，自然交互与隐私保护兼得

目前，大部分AI玩具还需要依赖触摸按键发起对话，交互生硬，影响用户体验；或者持续监听数据上传云端泄露用户隐私，难以获得家长信赖。

而本方案通过融入基于DNN的端侧 VAD （语音活动检测）算法，可直接通过语音唤醒，避免了复杂的操作。AI玩具实时检测用户语音输入，仅在检测到有效语音时才上传大模型进行云端处理，兼顾自然交互与隐私保护。

02实时性强，交互流畅

延迟是影响用户体验的关键因素。当语音交互延迟超过1秒时，用户将感觉到明显的滞后感，会显著降低交互流畅性和增加用户焦虑情绪。

本方案通过基于DNN的端侧VAD算法及深度降噪算法，将语音数据处理部署到芯片端，能够保证传到云端的是经过处理的、高质量的语音数据，避免云端处理冗余数据及大规模计算任务带来的响应延迟，满足儿童与设备实时互动需求。

03高识别准确度，适应复杂噪声环境

目前，大部分AI玩具缺乏语音降噪功能，导致在嘈杂环境中语音识别准确率低，儿童需重复指令，影响使用体验。本方案采用基于DNN的深度降噪技术，具备更强的自适应性和泛化能力，能够在不同的噪音环境中保持优异的降噪效果，为云端大模型提供了更干净的语音，极大提升了云端大模型的语音识别准确率。

04随时打断，提升交互效率

目前，大部分AI玩具必须等待回答结束后才能响应新的指令，交互效率低。本方案基于回声消除技术，结合VAD算法，可有效抑制回声，实现实时打断功能，让儿童无需漫长等待即可继续进行语音指令输入，保障了用户体验的流畅性与即时性。

05指向性交互，打造沉浸式人机互动体验

一般AI玩具缺乏对声源方向的感知，无法与用户建立自然的关注互动，互动体验单一。本方案基于DNN声源定位算法，可实现多场景下的指向性交互，设备可感知儿童的声音方向并主动“看向”用户或向用户方向移动，模拟真实互动场景，增强互动的自然性与趣味性。

AI玩具离在线语音大模型方案功能框图

启英泰伦现已推出适用于CI1302、CI1303、CI1306离线AI语音芯片和CI2305、CI2306 AI语音Wi-Fi Combo芯片的AI玩具离在线语音大模型方案。

● CI1302、CI1303

基于该芯片，启英泰伦提供基于DNN的本地语音唤醒及语音识别、语音深度降噪、端点检测、命令词自学习、回声消除，另还提供Speex、Opus数据压缩、MP3流媒体播放等功能。启英泰伦提供前端功能SDK，用户可基于自主选型的WIFI进行云端开发。

 该方案采用单麦克风，对结构要求相对较低，适用于各类AI玩具。

● CI1306

基于该芯片，启英泰伦提供基于DNN的本地语音唤醒及语音识别、语音深度降噪、端点检测、声源定位、回声消除，另还提供Speex、Opus数据压缩、MP3流媒体播放等功能。启英泰伦提供前端功能SDK，用户可基于自主选型的WIFI进行云端开发。

该方案采用双麦克风，可实现声源定位，适用于需要指向性交互的AI玩具、桌面宠物等。

● CI2305、CI2306

基于该芯片，启英泰伦提供语音和WIFI相关功能。语音功能包括基于DNN的本地语音唤醒及语音识别、语音深度降噪、端点检测、声源定位、回声消除，另还提供Speex、Opus数据压缩、MP3流媒体播放等功能。WIFI功能包括录音数据和播放数据转发、BLE蓝牙配网、产品部分功能逻辑，支持TCP/MQTT/UDP网络传输协议。启英泰伦提供芯片对接云平台服务商的SDK，用户可基于此SDK进行端上功能开发。

该方案集成WIFI，可降低整个方案的成本。包括单麦克风、双麦克风两种方案，双麦克风可实现指向性交互。

启英泰伦AI玩具离在线语音大模型方案，基于启英泰伦神经网络语音芯片，支持OTA升级，也可用于智能家电、AI教育、养老陪护、机器人等产品，全面解决行业痛点，为厂商提供极具竞争力的差异化解决方案。