全部转向在线API服务？机器人系统中集成本地语音识别模型综述

本文综述了自动语音识别（ASR）在机器人系统中的集成方法，涵盖在线API和本地模型两种方案。重点分析了从传统方法到OpenAI Whisper等深度学习模型的演变，并列举了LibriSpeech、Common Voice等大规模数据集以及Kaldi、ESPnet等开源工具包。系统梳理了基于ROS、云服务和混合架构的部署策略，以及Pepper、NAO等真实机器人平台的应用案例。最后探讨了在动态嘈杂环境中实现多模态交互的挑战，为社交机器人研究者提供了语言交互领域的导航。