语音识别 ASR 引擎

AC79 AIoT SDK 中的语音识别（ASR）引擎能力，涵盖 asr_server 服务任务接口、Roobo/Fig 本地识别算法 API、简洁封装层以及 Wanson、腾讯云等第三方 ASR 供应商集成。

Purpose and Scope

本页说明 AC79 系列芯片 SDK 中 ASR 引擎的完整架构与实现，包括：

服务框架层：include_lib/server/asr_server.h 定义的 ASR 服务器消息/请求/事件协议，以及 app_main.c 中 asr_server 任务注册方式；
本地算法层：Roobo/Fig 引擎的公开 API（fig_asr_api.h）与数据类型（fig_asr_type.h），即神经网络（NNET）+ WFST 解码器架构；
简洁封装层：apps/common/asr/roobo/asr.h 提供的 asr_init / asr_process 等极简接口；
第三方供应商集成：Wanson 引擎（apps/common/asr/wanson/fn_asr.h 及预编译库 lib_wanson_asr.a）与腾讯云 IoT 云端 ASR（qcloud_iot_export_asr.h）。

以下主题属于相邻页面，不在本页展开：语音唤醒（wake-on-voice / KWS）算法的内部实现、音频采集与播报链路、各应用（wifi_story_machine 等）的 ASR 业务交互逻辑。本页聚焦 ASR 引擎本身的接口、分层与运行机制。

Overview

在 AC79 这类资源受限的 AIoT 芯片上，语音识别被设计为分层、可替换的子系统，其核心设计意图有四点：

任务隔离：ASR 作为一个独立 server 任务运行（见 apps/wifi_camera/app_main.c 中 "asr_server" 任务注册，优先级 15、栈 1024），与音频采集、网络、UI 任务解耦，避免识别计算阻塞其他关键路径。
算法可替换：SDK 同时提供 Roobo/Fig 本地引擎（apps/common/asr/roobo/）与 Wanson 引擎（apps/common/asr/wanson/ 及预编译库），上层业务通过统一的服务器接口使用，切换供应商无需改动业务代码。
在线/离线双模式：本地引擎（Fig、Wanson）用于无网络或低延迟场景；腾讯云 IoT SDK 提供云端 ASR 出口，用于需要大词表或云端语义理解的场景。
实时流式处理：本地识别以 30ms（16kHz/16bit/mono 下 480 个采样点）为音频帧粒度流式送入引擎，配合唤醒（wake-on-voice）机制，实现"先唤醒、后识别"的低功耗交互链路。

理解这套机制的关键是掌握三个层次：服务框架层（server 协议）→ 算法抽象层（Fig API / 简洁封装）→ 供应商实现（预编译库 / 云端 SDK）。

Architecture

flowchart TD
    subgraph sg_App["应用层 (apps)"]
        AppMain["app_main.c<br/>server 任务注册表"]
        StoryApp["wifi_story_machine 等业务应用"]
    end

    subgraph sg_Server["服务框架层 (server)"]
        AsrServer["asr_server 任务<br/>prio=15, stack=1024, qsize=64"]
        WakeVoice["wake-on-voice 任务<br/>prio=7, stack=1024"]
        AsrProto["asr_server.h<br/>STATE / ASR_REQ / ASR_SER_EVENT"]
    end

    subgraph sg_Algo["本地算法层"]
        FigApi["Fig API (Roobo)<br/>fig_asr_api.h / fig_asr_type.h"]
        SimpleAsr["简洁封装 asr.h<br/>asr_init / asr_process"]
        Wanson["Wanson 引擎<br/>fn_asr.h + lib_wanson_asr.a"]
    end

    subgraph sg_Cloud["云端"]
        Tencent["腾讯云 IoT ASR<br/>qcloud_iot_export_asr.h"]
    end

    AppMain -->|"注册 server 任务"| AsrServer
    AsrServer --> AsrProto
    AsrServer -->|"唤醒开/关请求"| WakeVoice
    WakeVoice -->|"ASR_SER_EVENT_WAKE"| AsrServer
    AsrServer --> FigApi
    AsrServer --> SimpleAsr
    AsrServer --> Wanson
    StoryApp -->|"识别请求/结果"| AsrServer
    StoryApp -->|"云端识别"| Tencent

架构分层说明

应用层：app_main.c 中的 server 任务表把 asr_server 注册为系统任务（wifi_camera、wifi_ipc 均以 {"asr_server", 15, 1024, 64} 登记，即优先级 15、栈 1024 字节、消息队列深度 64）；业务应用如 wifi_story_machine 通过任务消息与 ASR 引擎交互。
服务框架层：asr_server.h 定义引擎对外的最小协议面——开关状态、唤醒请求、唤醒事件，以及 struct asr_wake 携带的唤醒参数。该头文件放在 include_lib/server/ 下，说明它是被 server 框架与各应用共同引用的公共契约。
本地算法层：Fig API 以不透明句柄 FIG_INST 隔离实现细节；asr.h 则是更上层的极简封装（面向"喂 30ms 音频、拿文本"的直白用法）。Wanson 引擎以预编译库形式提供，编译期通过 CONFIG_ASR_ALGORITHM 等宏选择（见 apps/wifi_story_machine/app_music_dui.c 中的条件编译引用）。
云端：腾讯云 IoT C SDK 导出 qcloud_iot_export_asr.h，为联网设备提供云端 ASR 通道，与本地引擎互补。

设计上，算法层与服务器层之间没有强绑定：只要满足 asr_server.h 的请求/事件协议，任何供应商引擎都可以接入，这正是该分层结构存在的根本原因。

主要实现剖析

服务框架层：asr_server.h 协议与任务注册

include_lib/server/asr_server.h 是整个 ASR 引擎对外的最小协议契约，全文仅三个枚举、一个结构体和一个联合体，但定义了引擎的全部对外交互面：

enum {
    STATE_OFF,
    STATE_ON,
};

enum {
    ASR_REQ_WAKE_ON_VOICE_ON,
    ASR_REQ_WAKE_ON_VOICE_OFF,
};

enum {
    ASR_SER_EVENT_WAKE,
};

struct asr_wake {
    void *enc_buf;
    int enc_buf_len;
    const char *data_file_path;
    u32 idle_gap_16ms;
    u32 run_gap_16ms;
    int best_sc;
};

union asr_req {
    struct asr_wake wake;
};

Source: asr_server.h

各部分的语义与设计意图：

STATE_OFF / STATE_ON：引擎（或唤醒功能）的运行状态。服务任务用这两个状态维护内部状态机，供请求处理时校验当前是否处于可接受状态。
ASR_REQ_WAKE_ON_VOICE_ON / OFF：外部（如按键、App 指令）向 ASR 服务发送"开启/关闭语音唤醒"请求。把唤醒开关做成请求而非直接调用，是为了让唤醒与识别都在同一任务上下文内串行执行，避免并发访问模型与音频缓冲。
ASR_SER_EVENT_WAKE：唤醒命中后由服务任务发出的事件，业务层监听该事件后进入识别会话（或点亮屏幕、开始录音等）。事件驱动是典型嵌入式状态机风格：引擎不主动回调，而是把状态变化"上报"给消息循环。
struct asr_wake：一次唤醒配置的载体——enc_buf/enc_buf_len 为编码后的唤醒模型缓冲区（预加载进内存，避免运行时读 Flash 抖动），data_file_path 指向模型文件路径，idle_gap_16ms 与 run_gap_16ms 分别是以 16ms 为单位的静默间隔与运行间隔（用于控制唤醒检测节奏、省电），best_sc 为最佳得分阈值参考。
union asr_req：为将来扩展其他请求类型预留的联合体（目前只有 wake 成员）。联合体保证请求消息体积最小，节省任务消息队列（qsize=64）的拷贝开销。

该任务在应用侧注册的实例如下（wifi_camera 与 wifi_ipc 配置一致）：

{"asr_server",			15,	  1024,	  64   },

Source: apps/wifi_camera/app_main.c

即优先级 15、栈 1024 字节、消息队列 64。注意同表里 "wake-on-voice" 任务优先级为 7、栈 1024：唤醒任务优先级更低，说明唤醒检测被刻意设计为后台低开销活动，而 asr_server 优先级更高，保证识别阶段（计算密集）能及时抢占资源。

本地算法层：Fig ASR API（Roobo）

apps/common/asr/roobo/fig_asr_api.h 是本地识别引擎（Fig，来自 Roobo 方案）的公开 C 接口，采用"不透明句柄 + 生命周期管理"模式：

typedef void *FIG_INST;

int FigCreateInst(FIG_INST *inst, const char *szNnet, const char *szGraph);
int FigDestroyInst(FIG_INST inst);
int FigSetParameter(FIG_INST inst, AsrParamType eType, const char *szValue);
int FigStartProcess(FIG_INST inst);
int FigStopProcess(FIG_INST inst);
int FigWriteAudio(FIG_INST inst, char *pData, int nLen, int bFinish, PAsrResult *ppResult);

Source: fig_asr_api.h

关键设计：

FIG_INST 不透明句柄：引擎内部状态（神经网络、WFST 解码图、中间缓冲）全部隐藏在句柄之后，接口层零暴露，供应商可自由升级算法而保持 ABI 稳定。
创建/销毁配对：FigCreateInst 需要两个资源参数——szNnet（神经网络模型，通常是训练好的声学模型文件路径）与 szGraph（WFST 加权有限状态转换器解码图，即命令词表编译产物）；FigDestroyInst 负责释放。这对应 fig_asr_type.h 中的资源类型：

typedef enum {
    NNET_MODEL = 0,
    WFST_COMMAND,
    WFST_FILLER,
} AsrResType;

typedef enum {
    REC_CM_THRES,
    REC_RESET_CM_THRES,
    REC_DECODER_BEAM,
    REC_FILLER_NUM,
} AsrParamType;

typedef struct tagResult {
    int nBegin;
    int nEnd;
    char szText[32];
    short nWordId;
    int nCmScore;
} AsrResult, *PAsrResult;

Source: fig_asr_type.h

AsrResType 描述引擎持有的三类资源：声学模型（NNET_MODEL）、命令词 WFST 图（WFST_COMMAND）、填充词 WFST 图（WFST_FILLER）。命令词与填充词分开，是经典"关键词检出 + 拒识"设计：非命令词（填充词）命中时不输出结果，可显著降低误识别。
AsrParamType 是运行期可调参数：REC_CM_THRES 置信度（confidence measure）阈值，控制输出结果的严格程度；REC_RESET_CM_THRES 用于动态重置阈值；REC_DECODER_BEAM 解码束宽，权衡识别率与算力；REC_FILLER_NUM 填充词数量。FigSetParameter 统一以字符串传值，天然支持从配置文件读取。
AsrResult 输出结构：nBegin/nEnd 是命中词在音频流中的起止位置，szText[32] 是识别文本（固定 32 字节，命令词场景足够），nWordId 是词表 ID（便于程序化处理，不依赖字符串比较），nCmScore 是置信度得分。
FigWriteAudio 的 bFinish 标志：流式接口。bFinish=1 表示本次为音频流末尾，引擎需冲刷解码器并输出最终结果——这一"半开式"（half-open）语义让调用方既能边录边识别，又能在端点检测（VAD）结束时拿到确定结果。

简洁封装层：asr.h

apps/common/asr/roobo/asr.h 面向最简单的使用方式：初始化 → 循环喂音频 → 取结果。它把 Fig API 的复杂度收敛为四个函数，并明确约定了音频格式与帧长：

// Return value   : 0 - OK, -1 - Error
int  asr_init();

void asr_reset();

/*****************************************
* Input:
*      - buf      : Audio data (16k, 16bit, mono)
*      - buf_len  : Now must be 480 (30ms)
*
* Output:
*      - text     : The text of ASR
*      - score    : The confidence of ASR (Now not used)
*
* Return value    :  0 - No result
*                    1 - Has result
*                   -1 - Error
******************************************/
int  asr_process(short *buf, int buf_len, const char **text, float *score);

void asr_release();

Source: asr.h

设计要点：

固定帧长契约：注释明确 buf_len 现在必须为 480（即 30ms @16kHz/16bit/mono）。这既是约束也是优化依据——内部环形缓冲与解码步进可按 480 对齐，避免动态分帧的运行时开销。
返回值三态语义：0 表示当前帧无结果（正常、持续喂帧），1 表示本帧产出了识别文本，-1 表示错误（如未初始化、参数非法）。调用方只需轮询即可，无需理解引擎内部状态。
score 暂未使用：注释坦诚"Now not used"，说明该接口保留了置信度输出通道，为将来按分数过滤预留。
asr_reset 与 asr_release 分离：reset 清空会话状态（结束上一轮识别、可立即开始新一轮），release 释放全部资源（退出识别功能时调用）。会话复用（reset）与资源销毁（release）的区分，对长时间运行设备至关重要——每轮唤醒对话只 reset、不 release，避免反复加载模型。

第三方供应商：Wanson 与腾讯云

Wanson（本地）：apps/common/asr/wanson/fn_asr.h 为 Wanson 引擎头文件，实现以预编译库 cpu/wl82/liba/lib_wanson_asr.a 形式提供，与 Fig 引擎形成"双本地引擎"格局。应用层通过 CONFIG_ASR_ALGORITHM 宏条件编译选择算法（如 apps/wifi_story_machine/app_music_dui.c 中 #ifdef CONFIG_ASR_ALGORITHM 引用 aisp_open）。具体函数签名未在本页读取范围内，未在源码中进一步核实的细节不做展开。
腾讯云（云端）：lib/net/tencent/qcloud_iot_c_sdk/include/exports/qcloud_iot_export_asr.h 是腾讯云 IoT C SDK 导出的 ASR 接口，用于联网设备把音频上传云端识别。它属于完整的网络 SDK 子系统，接口细节不在本页范围内。

核心流程

ASR 引擎的典型运行过程是"唤醒 → 建实例 → 流式识别 → 取结果 → 收尾"，其完整时序如下：

sequenceDiagram
    participant App as 业务应用/服务任务
    participant Svr as asr_server 任务
    participant Fig as Fig 引擎 (FIG_INST)
    participant Audio as 音频采集 (16k/16bit/mono)

    App->>Svr: ASR_REQ_WAKE_ON_VOICE_ON (asr_wake 参数)
    Svr->>Svr: 校验状态 STATE_OFF -> STATE_ON
    Note over Svr,Fig: 唤醒命中后
    Svr-->>App: ASR_SER_EVENT_WAKE
    App->>Svr: 开始识别会话
    Svr->>Fig: FigCreateInst(szNnet, szGraph)
    Fig-->>Svr: FIG_INST 句柄
    Svr->>Fig: FigSetParameter(REC_CM_THRES, ...)
    Svr->>Fig: FigStartProcess()

    loop 每 30ms 一帧 (480 samples)
        Audio->>Svr: buf[480]
        Svr->>Fig: FigWriteAudio(pData, 960B, bFinish=0, &pResult)
        alt 命中命令词
            Fig-->>Svr: AsrResult { szText, nWordId, nCmScore }
            Svr-->>App: 识别文本/词ID
        else 无结果
            Fig-->>Svr: pResult 为空
        end
    end

    App->>Svr: 会话结束 (VAD 超时/用户停止)
    Svr->>Fig: FigWriteAudio(..., bFinish=1, &pResult)
    Svr->>Fig: FigStopProcess()
    Svr->>Fig: FigDestroyInst(inst)
    Svr->>Svr: 状态复位，等待下一轮唤醒

流程关键点说明：

唤醒先行：识别会话不是任意时刻都能开始。asr_server 收到 ASR_REQ_WAKE_ON_VOICE_ON 后进入 STATE_ON，底层 wake-on-voice 任务（优先级 7，低于 asr_server 的 15）持续监听；命中后服务任务发出 ASR_SER_EVENT_WAKE，业务层才启动识别。这种两级流水线把功耗最高的识别阶段压缩到最短时间窗内。
实例生命周期：每轮识别 FigCreateInst → FigStartProcess → FigStopProcess → FigDestroyInst 成对出现，保证模型与解码图在会话结束后立即释放，为下一轮（或低功耗模式）腾出内存。
流式写音频：识别阶段以 30ms 帧为粒度 FigWriteAudio，返回值可即时反馈——既支持"边说话边出字"的流式体验，也支持等 bFinish=1 时一次性拿最终结果。
参数可调：在 Start 之前通过 FigSetParameter 设置置信度阈值与解码束宽，允许不同产品（安静家居 vs 嘈杂商场）运行时差异化调优，无需重新编译模型。

典型调用序列：FigCreateInst(&inst, nnet_path, graph_path) 创建实例 → FigSetParameter(inst, REC_CM_THRES, "60") 调阈值 → FigStartProcess(inst) 启动 → 循环 FigWriteAudio(inst, pcm, len, 0, &res) 喂音频并收集结果 → 结束时以 bFinish=1 冲刷 → FigStopProcess + FigDestroyInst 收尾。

示例三：简洁封装逐帧处理（asr.h）

// Return value   : 0 - OK, -1 - Error
int  asr_init();

void asr_reset();

/*****************************************
* Input:
*      - buf      : Audio data (16k, 16bit, mono)
*      - buf_len  : Now must be 480 (30ms)
*
* Output:
*      - text     : The text of ASR
*      - score    : The confidence of ASR (Now not used)
*
* Return value    :  0 - No result
*                    1 - Has result
*                   -1 - Error
******************************************/
int  asr_process(short *buf, int buf_len, const char **text, float *score);

void asr_release();

Source: asr.h

主循环写法：asr_init() 后，每次取 480 个采样（30ms）调用 asr_process；返回 1 时从 *text 读取识别文本；一轮会话结束后调用 asr_reset() 复用引擎；退出识别时调用 asr_release()。该接口屏蔽了 Fig 的实例管理与参数细节，适合业务快速集成。

示例四：引擎选择宏（wifi_story_machine）

#ifdef CONFIG_ASR_ALGORITHM
extern int aisp_open(u16 sample_rate);

Source: apps/wifi_story_machine/app_music_dui.c

应用层通过 CONFIG_ASR_ALGORITHM 编译宏选择具体算法实现（此处引用的 aisp_open 属于另一供应商接口），印证了"算法可替换"的分层设计：业务代码只依赖宏开关，不直接依赖某个引擎头文件。

配置选项

ASR 引擎的可配置项分布在三个层面：服务器任务注册参数、Fig 引擎运行参数、唤醒参数。

服务器任务注册参数

选项	类型	默认值	说明
任务名	string	`"asr_server"`	在 server 任务表中注册的名称，须与框架约定一致
优先级	int	15	高于 `"wake-on-voice"`（7），保证识别阶段抢占资源
栈大小	int	1024	任务栈字节数，识别调用链深度受此约束
消息队列深度	int	64	请求消息容量，`union asr_req` 保持请求体最小以降低拷贝压力

（来源：apps/wifi_camera/app_main.c，wifi_ipc 配置相同）

Fig 引擎运行参数（AsrParamType）

枚举值	说明	典型用途
`REC_CM_THRES`	置信度阈值	控制输出严格度；调高降误识别、调低提召回
`REC_RESET_CM_THRES`	重置置信度阈值	会话间动态恢复默认阈值
`REC_DECODER_BEAM`	解码束宽	权衡识别率与 CPU 开销，束宽越大越慢但越准
`REC_FILLER_NUM`	填充词数量	配置拒识词数量，抑制非命令词误触发

FigSetParameter 统一以 const char *szValue 传值，便于从配置文件或服务器下发参数直接透传。

唤醒配置（struct asr_wake）

字段	类型	说明
`enc_buf`	`void *`	预加载的编码唤醒模型内存缓冲
`enc_buf_len`	`int`	编码模型缓冲长度
`data_file_path`	`const char *`	唤醒模型文件路径
`idle_gap_16ms`	`u32`	静默间隔（单位 16ms），控制检测节奏
`run_gap_16ms`	`u32`	运行间隔（单位 16ms），省电相关
`best_sc`	`int`	最佳得分参考，用于唤醒判定

简洁封装层约定

项	值	说明
音频格式	16kHz / 16bit / mono	`asr_process` 输入硬性要求
帧长	480 samples（30ms）	当前版本 `buf_len` 必须为 480
`asr_process` 返回值	0 / 1 / -1	无结果 / 有结果 / 错误

inst (FIG_INST *)：输出参数，接收不透明实例句柄
szNnet (const char *)：神经网络（声学）模型路径
szGraph (const char *)：WFST 解码图（命令词表）路径

返回： int，0 成功，非零失败（具体错误码未在头文件定义）。

说明： 创建过程加载声学模型与解码图，应在识别会话开始前调用，与 FigDestroyInst 配对。

`int FigDestroyInst(FIG_INST inst)`

销毁引擎实例，释放模型与解码资源。

参数： inst (FIG_INST)：待销毁的实例句柄。

返回： int，0 成功。

`int FigSetParameter(FIG_INST inst, AsrParamType eType, const char *szValue)`

设置运行参数（见上文 AsrParamType 表）。

参数：

inst (FIG_INST)：实例句柄
eType (AsrParamType)：参数类型
szValue (const char *)：字符串形式的参数值

返回： int，0 成功。

`int FigStartProcess(FIG_INST inst)`

启动识别处理（进入可写音频状态）。

参数： inst (FIG_INST)。

返回： int，0 成功。

`int FigStopProcess(FIG_INST inst)`

停止识别处理。

参数： inst (FIG_INST)。

返回： int，0 成功。

`int FigWriteAudio(FIG_INST inst, char pData, int nLen, int bFinish, PAsrResult ppResult)`

写入一帧音频并（可能）返回识别结果。

参数：

inst (FIG_INST)：实例句柄
pData (char *)：PCM 音频数据（16kHz/16bit/mono）
nLen (int)：数据字节数
bFinish (int)：1 表示音频流结束，引擎冲刷解码器
ppResult (PAsrResult *)：输出参数，命中时指向 AsrResult（含 szText/nWordId/nCmScore/nBegin/nEnd），无结果时为空

返回： int，0 成功。

buf (short *)：音频数据，16kHz/16bit/mono
buf_len (int)：采样点数，必须为 480（30ms）
text (const char **)：输出识别文本
score (float *)：置信度输出（当前版本未使用）

返回： 0 无结果；1 有结果（读取 *text）；-1 错误。

Throws/错误： 头文件未声明异常，错误统一以 -1 返回值表示（如未初始化、帧长非法）。

asr_process 返回 -1：表示引擎错误（如未 asr_init、buf_len 非 480）。调用方必须检查返回值，不能把 -1 当"无结果"继续喂帧，否则可能掩盖引擎异常状态。
FigCreateInst / FigDestroyInst 失败：模型文件缺失或内存不足时返回非零。由于句柄是不透明指针，失败后 inst 内容不可用，调用方应终止会话并重试或回退到提示音（SDK 提供 AiAsrFail.mp3 提示资源，见 wifi_story_machine 的提示音表）。
识别为空：静音或全是填充词时无输出，SDK 提供 AsrEmpty.mp3 提示资源（APP_LOCAL_PROMPT_ASR_EMPTY），业务层据此播报"没听清"。

边界条件

帧长契约：asr_process 的 buf_len 被硬性约定为 480（30ms）。音频采集侧必须按此粒度切帧；若采集粒度不匹配，需在中间层重采样/缓冲对齐，否则引擎行为未定义。
szText[32] 定长缓冲：AsrResult.szText 固定 32 字节，命令词场景足够；若词表出现超长命令词，文本会被截断，业务侧应以 nWordId 为准做程序化匹配。
唤醒参数以 16ms 为粒度：idle_gap_16ms/run_gap_16ms 均以 16ms 为单位，配置时需按此粒度换算。

并发与一致性

单任务串行模型：asr_server 以独立任务运行，唤醒开关请求（ASR_REQ_WAKE_ON_VOICE_*）与识别会话都在该任务消息循环内处理，天然避免了对模型、音频缓冲的并发访问。业务层不得跨任务直接调用 Fig 接口，必须通过 server 消息间接驱动。
唤醒与识别优先级分层：wake-on-voice（优先级 7）与 asr_server（优先级 15）形成"低开销监听 + 高优先级识别"的配合。唤醒命中的瞬间存在任务切换延迟，但识别帧率由 30ms 帧长兜底，通常可容忍。
会话资源独占：FigCreateInst 创建的实例在本轮会话内独占模型资源，FigStopProcess/FigDestroyInst 前不得开启新一轮会话，否则可能造成资源泄漏或解码状态错乱。

性能与运维

实时性预算：识别以 30ms 音频帧为输入，算法处理必须在帧间隔内完成（含 FigWriteAudio 内部解码）。解码束宽（REC_DECODER_BEAM）是主要性能旋钮：束宽越大识别率越高、CPU 占用越大，产品需按主控频率实测标定。
内存占用：asr_server 栈仅 1024 字节，Fig 引擎的大块内存（声学模型、WFST 图、内部缓冲）应通过堆分配管理，避免压栈；唤醒模型建议预加载到 enc_buf（内存常驻），换取运行时无 Flash 读取抖动。
任务优先级语义：asr_server 优先级 15 高于多数业务任务，识别会话期间会抢占 CPU；若同时有网络/显示关键路径，需评估整体调度余量（优先级数值越小越高的平台需按 SDK 约定核对）。
编译期引擎选择：通过 CONFIG_ASR_ALGORITHM 等宏在编译期选定算法（Fig / Wanson / 云端），可裁剪未用引擎代码以减小固件体积；预编译库（如 lib_wanson_asr.a）按目标平台（cpu/wl82/）配套提供。

扩展点

接入新 ASR 供应商：只需满足 asr_server.h 的请求/事件协议（ASR_REQ_WAKE_ON_VOICE_*、ASR_SER_EVENT_WAKE、struct asr_wake），并把引擎调用封装进 asr_server 任务内部即可；union asr_req 预留了扩展新请求类型的空间。
运行参数动态下发：FigSetParameter 的字符串传值设计支持把阈值、束宽等参数接入配置系统或服务器下发通道，实现产品级远程调优而不改固件。
提示音资产替换：识别失败（AiAsrFail.mp3）、进入 ASR 模式（AiAsrMode.mp3）、识别为空（AsrEmpty.mp3）等提示音位于提示音映射表中，可替换音频文件以适配不同产品语种与话术。
上层封装复用：asr.h 的极简接口适合被业务模块直接复用；如需流式中间结果，可下沉到 Fig 层自行管理 AsrResult 的 nBegin/nEnd 时间戳。

测试

仓库中未发现针对 ASR 引擎的独立单元测试文件（apps/common/asr/ 目录仅包含引擎头文件与实现）。引擎验证主要依赖：

应用级集成验证：wifi_story_machine 等应用通过提示音资产（AiAsrFail.mp3、AsrEmpty.mp3 等）反馈识别成败，可据此做端到端冒烟测试；
模型/词表迭代：WFST_COMMAND/WFST_FILLER 图的替换与 REC_CM_THRES 阈值标定属于离线评测范畴，需在真实环境（信噪比、麦克风距离）下采集数据验证。

说明：本页基于仓库中可读取的头文件与任务注册代码整理；引擎内部实现以预编译库形式提供，函数内部算法细节未在源码中体现。

相关目录页：语音唤醒（wake-on-voice / KWS）机制、server 框架任务模型、音频采集与处理链路、腾讯云 IoT 接入。