EEPW论坛

做语音交互的产品，硬件工程师踩的第一个坑就是——还没搞清楚产品实际使用场景，就冲着"最远识别距离"去选芯片。结果要么BOM成本虚高一截，要么为了塞进高配芯片把板子改了三版。

实际情况是这样的：一个放在床头柜上的智能台灯，用户张嘴喊"开灯"的距离大概也就50厘米到1米；但一个装在天花板上的会议室麦克风，要听清坐在角落的人说了什么，这个距离可能拉到4~5米。这两个场景对芯片远场识别能力要求天差地别——前者用两三块钱的入门方案就能搞定，后者得上带神经网络加速单元的旗舰级芯片。

所以这篇文章干的事情就一件：帮你把"我的产品需要多远的识别距离"翻译成"我该用哪颗WTK6900"。不扯理论，直接给矩阵、给案例、给避坑清单。

距离和信噪比的关系不是线性的

声波在空气中传播的衰减遵循平方反比定律——距离翻倍，声压级掉大约6dB。听起来不多？问题是环境底噪基本是恒定的（办公室大概35~45dB，厨房能到55dB以上），所以每往外推一米，芯片要在算法层面多干很多活才能把人声从背景里捞出来。从1米到3米衰减约9.5dB；从1米到5米衰减约14dB。

工程经验：在35dB安静环境下标称3米的芯片，放到45dB噪声环境里可能只能稳定识别1.5~2米。这就是为什么规格书上的"远场识别距离"一定要看测试条件。

2米近场——面板类产品的舒适区

2米是什么概念？就是你坐在书桌前，对着桌面设备正常说话的距离。适用范围：台灯控制面板、风扇遥控器、玩具语音开关、厨房电器操作区、床头设备。

这个距离段的特点是对MIC要求不高，单颗模拟麦克风配合基础降噪就够了。芯片不需要太强的算力来处理复杂回声消除，所以成本可以压得很低。词条容量一般控制在15条左右——够用就行，多了反而增加误触风险。

代表选手：WTK6900P。这颗料最大的亮点不是性能有多猛，而是便宜且省电——休眠功耗只有5μA，内置0.5W D类功放直推喇叭，ESOP8封装小到可以藏进任何狭小的腔体里。对于那种"加个语音功能但不能加太多钱"的项目，P基本上是首选答案。

3米中场——家电/照明的主力区间

3米覆盖的是典型的室内活动半径：客厅沙发到电视柜、卧室床边到衣柜、办公室工位到门口。适用范围：智能吸尘器、空气净化器、智能照明、教育机器人、厨房大电。

到了3米这个档次，单纯靠提高MIC灵敏度已经不够用了——你得开始关心ADC的信噪比、降噪算法的深度，还有回声消除（AEC）做得怎么样（尤其是自带播报功能的设备）。词条数量也从十几条扩展到几十甚至上百条，意味着Flash容量和算力都得跟上。

WTK6900HA卡在这个位置刚刚好：192MHz主频跑神经网络算法不吃力，外挂SPI Flash按需配置，SOP16/SSOP24/QFN32三种封装覆盖不同PCB空间需求。它还带了USB OTG接口，固件可以通过唯创在线平台直接烧录更新——这对快速迭代的消费电子项目来说是个实打实的效率优势。

5米及以上远场——商用/车载/健康监测的高门槛

5米以上就不是普通家居场景了。会议室语音终端、车载中控、商用显示设备、智能卫浴（你在淋浴间喊它得听见）、睡眠健康监测仪——这些场景的共同特点是：距离远、噪声环境恶劣、或者需要同时处理多个方向的声音输入。

这个级别要解决的问题陡然变多：

• 麦克风阵列：单麦基本不够看了，双麦或者线性阵列开始成为标配

• 数字音频接口：模拟MIC走长线会引入噪声，PDM或IIS数字接口的优势体现出来了

• 算力需求暴涨：波束成形（Beamforming）、自适应降噪（ANC）、多通道AEC，哪个都是吃算力的主

• 词条量级跃升：商用场景经常需要300条以上的命令词库

WTK6900HC主打"远场+蓝牙一体"：BLE 5.1协议栈集成在片上，240MHz系列最高主频，外挂SPI Flash弹性配置。适合那些既要听得远又要连手机的方案。

WTK6900FC则是纯性能旗舰：搭载BNPU V3神经网络加速单元，DNN/TDNN/RNN/CNN全栈支持，离线5-8米远场识别外加300条命令词。它还独有PDM数字麦克风双通道接口和鼾声识别能力——做睡眠监测、呼吸健康类产品的工程师基本绕不开这颗料。

共性底线（全系具备）：ADC信噪比≥90dB（FC达≥95dB），DAC信噪比≥95dB，工作温度-40℃~+85℃，神经网络降噪算法，UART通信接口（FC支持3路），MP3/WAV硬解码，支持中英日等多语言识别。

▎案例：智能厨房抽油烟机语音模块

客户需求：用户站在灶台前（距离烟机面板约0.8~1.5米），通过语音控制风速挡位、照明开关、延时关机。总共需要8~10条命令词。产品定位中端，BOM预算紧张。

分析过程：厨房环境噪声较大（炒菜时55~65dB），但好在交互距离很短——用户几乎就在面板正前方。2米的识别裕量绰绰有余。关键约束是成本低、体积小（要塞进烟机控制盒内）。

方案选定：WTK6900P

• 2米远场在近距离下实际识别率极高，即使有油烟机运行噪声也能可靠响应

• ~15条词条容量刚好容纳全部命令词+唤醒词

• SOP8封装节省PCB面积；内置D类功放省掉一颗功放IC

• 5μA休眠功耗满足待机能耗要求

• 预估BOM增量：全方案（含外围）可控制在极低水平

▎案例：智能落地扇 / 空气净化器语音控制器

客户需求：用户在客厅沙发上（距设备2~3米）语音控制开关、风速调节、定时、模式切换。需要25条左右的命令词。希望支持后续OTA更新词条库。

分析过程：客厅典型交互距离正好落在2.5~3.5米区间，属于中场场景。25条命令词超出P的承载能力，但还不到FC那个级别。客户提到OTA需求——这点排除了不支持在线更新的低端方案。

方案选定：WTK6900HA（SSOP24封装）

• 3米远场标称值匹配客厅使用距离，留有一定余量

• 通过wt588f在线平台可随时修改词条并烧录更新，迭代周期从周缩短到天

• USB OTG方便产线批量烧录

• 双DAC输出可同时驱动扬声器和耳机

• 192MHz浮点运算保证复杂环境下的识别响应速度

▎案例：智能睡眠监测枕 / 鼾声干预设备

客户需求：设备放置在床头柜或枕头内，需要检测鼾声事件并在检测到时触发干预措施。同时支持简单语音命令（如"停止干预""开启静音"）。夜间环境安静但对误判率极其敏感。

分析过程：这是一个典型的"特定声音事件检测 + 语音识别"复合场景。普通语音芯片只能做命令词匹配，无法区分"鼾声"这种非语言声音信号。需要专门的声学特征提取和分类能力。

方案选定：WTK6900FC

• BNPU V3神经网络加速器支持自定义声学模型训练，鼾声识别正是基于此能力实现

• 5-8米远场识别确保床上各个位置的命令都能被接收

• 300条离线命令词容量为未来功能扩展预留充足空间

• PDM数字麦接口减少模拟链路噪声，提升微弱声音信号的信噪比

• 2MB Flash + 640KB SRAM的大存储组合，足以加载复杂的声学模型

量距离
用户实际发声位置离设备多远？拿尺子量一下，别凭感觉猜。

数词条
你需要多少条命令词？<15条 / 15~100条 / >200条，三个档次对应完全不同的芯片等级。

盘外设需求
要不要蓝牙？要不要在线OTA？有没有特殊声音检测需求（鼾声/玻璃破碎/婴儿啼哭）？这些"额外需求"往往比识别距离更能决定你选谁。

算总账
芯片价格 + MIC成本 + 外围器件 + PCB面积溢价 + NRE投入。有时候一颗贵一块钱的芯片能帮你省掉两颗外围IC，总价反而更低。

❌ 选了远场芯片，配了个廉价MIC
这是出现频率最高的坑，没有之一。WTK6900FC再强悍，前端接一个灵敏度-42dB的烂麦克风，5米识别也是白搭。建议搭配规则：2~3米方案用灵敏度≥-38dB的驻极体MIC；5米及以上建议上MEMS数字麦（PDM接口），灵敏度-26dB左右。MIC的投入千万别省，它是整个拾音链路的"眼睛"。

❌ 忽略安装结构的影响
同一颗芯片、同一个MIC，装在不同外壳里效果天差地别。常见的致命设计包括：MIC开孔太小导致声阻尼增大；MIC紧贴PCB地平面造成声学短路；出音孔和MIC孔距离太近引发声反馈啸叫。正确做法：结构设计阶段就把声学仿真纳入评审，或者直接找有经验的ID/结构工程师过一遍开孔方案。

❌ 词条贪多，响应变慢还误增
有些项目一开始规划了100多条命令词，结果实际用户常用的不超过20条。词条库臃肿带来的后果是：识别响应延迟上升、内存占用吃紧、更关键的是相似词条之间互相干扰导致误识率飙升。"打开空调"和"关闭空调"还好分辨，但如果是"调大风速"和"调到风束"，你就得在词条设计阶段仔细斟酌发音差异度。

❌ 混淆"唤醒距离"和"命令词识别距离"
这两者往往不是一个数字。唤醒词通常经过专门优化（短、独特音节结构、模型针对性训练），识别距离一般比命令词更远。如果你看到某个方案标称"5米唤醒"，别默认它的命令词也能在5米被准确识别——问清楚供应商：这个距离是指唤醒还是命令词？测试条件是什么？这一步能帮你过滤掉不少夸大的宣传。

语音识别芯片的选型本质上是一个三分看参数、七分看场景的过程。WTK6900系列从P到FC覆盖了2米到8米的完整距离梯度，每一颗都有自己最适合的战场。与其纠结"哪个更强"，不如回到原点想清楚：你的产品用在什么地方、谁来用它、你愿意为语音交互投入多少BOM预算。

想深入了解某款芯片的具体参数、申请样品或者获取参考原理图可以找原厂寻求技术支持。