# 语音桥 VoiceBridge · 项目总览

> 版本 v0.3 ｜ 状态：早期原型 + 试点准备 ｜ 更新 2026-10-29
> v0.3 变更：主质量指标改「意图路由准确率 ≥ 80%」；内容架构改「预审回答库 + 预录真人语音」；网站已部署。
> 本文件是其他文档的上游口径；先改这里，再向下同步。

## 一句话定位

用低成本 AI 语音设备，为**不在学校体系内**的失学儿童（非洲，国家与语言待定）提供可负担的语音学习：**按下就问，设备用母语播放预审过的回答**。

**它不是替代学校，也不做真人通话。** 补的是"没有老师、没有同伴、没人回答他问题"这一段。

## 边界（写死，别在后面偷偷放宽）

| 维度 | 做什么 | 不做什么 |
|---|---|---|
| 教育角色 | 课后语音问答、跟读、母语内容 | 不替代正规教育、不承诺教学效果 |
| 服务对象 | **失学 / 不在校体系内**的儿童 | 不做在校课堂场景（该赛道已被占满） |
| 通话 | 只连云端（识别 + 预审回答库） | **不接远程真人，无设备间通话** |
| 设备归属 | 中心式共享；手持式编号存放中心 | 任何形态都不由儿童带回家 |
| 网络 | 只选 Wi-Fi 或 4G 可用的站点 | 不承诺"有信号就能用"；**LoRa/NB-IoT 传不了语音** |
| 资金 | 定向小额捐赠、实物捐赠、技术公益资助 | 未注册前不公开募捐、**不经手现金** |
| 数据 | 最小化、不存原始录音、可审计 | 不做儿童画像、不商用 |

## 原则（按优先级）

1. **儿童安全优先于项目效率。** 冲突时先停设备再讨论。
2. **默认不收集。** 能不留的就不留；默认不留录音。
3. **在地机构主导现场。** 技术与设备由我方提供，现场执行与儿童保护归合作方。
4. **低成本可复制。** 单台物料与月运营成本必须可核算。
5. **公开做，包括做不成的部分。** 失败也要写出来。

## 两种硬件形态（分阶段，不并列投入）

| | **中心式 · 先做** | **手持式 · 后做** |
|---|---|---|
| 构成 | 一台主机：大音量喇叭 + 大电池/太阳能 + Wi-Fi/4G | 每人一台 ESP32-C3/S3 小机 |
| 拾音 | **配 1–2 支传递式有线近场麦**（关键） | 自带近场麦，识别条件最好 |
| 物料成本 | $25–40 / 台，一个中心只需 1–2 台 | $6–10 / 台 |
| 运维 | 1–2 台，几乎无负担 | 20–50 台每天充电，会丢会坏 |
| 同伴学习 | 强：大家一起听 | 无 |
| 个性化 | 无 | 有 |
| 验证什么 | 有人用吗、内容对吗、联网稳吗 | 个体使用强度、学习增量 |

**路线**：先用 **1–2 台中心式**回答前三个问题（不需要 50 台），验证通过后再铺手持式。

**两个关键设计点**

1. **共享喇叭对孩子很好，对设备很糟。** 儿童语音识别词错误率本就 15–21%，远场拾音 + 多人噪声会再打折。所以主机必须配**传递式有线近场麦**——成本几乎不变，且让两种形态的比较成为受控实验（变量只剩"共享 vs 个人"）。
2. **中心式不等于固定在墙上。** 大电池可提着走，能带到孩子本来就在的地方（树荫、集市、水井旁）——这是解决"出勤"的手段，不用等他们走进学习中心。

## 无真人通话的代价（必须记住）

去掉远程真人，也去掉了"识别错了有人纠正"这层网。因此设计上留三道退路：

**置信度不够就不回答 → 请孩子重复 → 仍不行交给现场协调员。**

**协调员是强制项**：他不在场，设备就不启用。没有协调员的站点，我们不运营。

## 识别可以"听个大概"，回答不能"说个大概"

这是全案最容易被误解的一条，单独写死：

| | 允许出错到什么程度 | 靠什么保证 |
|---|---|---|
| **听（识别）** | 允许只听懂大意。孩子的问题有限且可预期，不需要逐字转写正确，只要路由到对的回答。 | 主指标是**意图路由准确率 ≥ 80%**，不是词错误率。WER 仍测仍公开，但只是诊断量。 |
| **说（回答）** | **不允许错。** | 最常用的 200–500 条回答由**母语配音员预录**、逐条人工审核；长尾才用合成语音。**不让孩子听到的内容由模型即兴生成。** |

理由：低资源语言上的生成式模型会"流利地胡说"；豪萨语、约鲁巴语这类声调语言，声调错就是词义错。我们对外承诺的是"说得必须准"，这条不能用实时生成兑现。

## 首期目标

- 1 个社区学习中心，**1–2 台中心式设备**，3 个月试点。
- 站点条件：网络可用、有在地合作方、有协调员。
- 前置闸门：先测出真实的**意图路由准确率**（WER 作为诊断量一并公开），不达标不上试点。见 `04`、`06`。

## 现状与缺口（诚实版）

| 项目 | 状态 |
|---|---|
| 技术原型 | **未开始**（方案已定：ESP32 主机 + 有线近场麦） |
| 语音识别实测 | **未做——第一优先的验证，不是可选项** |
| 组织身份 | 未注册，志愿者团队；寻找在地合作方与资金托管 |
| 在地合作方 | 待落实（关键卡点） |
| 国家 / 语言 | **待定**（豪萨语优先候选 / 阿姆哈拉语次之）——最高代价分岔 |
| 服务器 | 静态站已落在 Cloudflare Pages（免费）；VPS 仍待申请，用于设备后台 |
| 网站 | **已部署**：https://voicebridge-4p3.pages.dev |
| 政策 | 草案，需当地法律与儿童保护专家复核 |
| 资金 | 无；Phase 1 约 3–6 千元，Phase 2 约 1.0–1.9 万元 |

## 相关文档

`01` 一页纸（中）· `02` One-pager（英）· `03` 预算 · `04` 里程碑 · `05` 隐私与儿童保护政策 · `06` 风险与 KPI · `07` 运营与分工