语音识别不准主因是本地采集链路与模型适配断点，需检查麦克风权限、硬件状态、切换asr模型、优化环境及表达方式，并可选训练个性化语音模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
语音输入识别不准会直接导致AionClaw执行指令走样、任务中断或生成错误内容，尤其在会议纪要转录、口述文案录入、远程语音调度等高频场景中影响明显。该问题通常不是AionClaw本身缺陷，而是本地语音采集链路与模型适配环节存在断点。
检查麦克风权限与硬件状态
打开系统设置→隐私与安全性→麦克风，确认AionClaw已获得“始终允许”权限；macOS用户需额外进入“辅助功能→音频输入”，勾选AionClaw客户端；Windows用户需在“声音设置→输入设备”中选定实际使用的麦克风，而非默认的“立体声混音”。【若权限未开启，语音流根本无法进入AionClaw处理管道，后续所有优化均无效】
用手机录音APP录制同一段话，回放确认是否存在底噪、电流声或断续——如有，说明是硬件或驱动问题，需更换麦克风或更新声卡驱动。
切换语音识别后端模型
AionClaw不依赖单一ASR引擎，支持动态切换底层语音识别模型：
方法一：在主界面右上角点击头像→设置→语音识别→选择“DeepSeek-V4 Pro（高精度长文本）”或“Kimi-K3（强抗噪短句）”。前者适合安静环境下的会议逐字稿，后者对办公室背景人声、空调噪音容忍度更高。
方法二：进入「自动化（RPA）」模块→新建语音触发流程→在“语音输入节点”中手动指定ASR模型，可为不同任务绑定专属识别通道。
注意：切换后首次使用需等待10–15秒模型热加载，期间语音输入框显示“初始化中”，此时说话不会被记录。
优化语音输入环境与表达方式
第一步：关闭非必要音频输出设备（如蓝牙耳机、外接音箱），防止回声干扰；
第二步：保持说话距离麦克风15–25cm，避免喷麦导致“p/t/k”音爆破失真；
第三步：启用AionClaw内置的“语音预处理”开关：设置→语音识别→开启“自动降噪+语速归一化”，该功能会实时压缩语速波动、过滤400Hz以下低频震动噪声；
第四步：避免连续长句，每句话控制在8秒内，句间停顿≥0.8秒——这是ASR分句的关键时间阈值，低于该值系统易将两句话合并识别，造成语义错乱。
训练个性化语音模型（可选）
若长期识别不准集中在特定词汇（如公司名、产品代号、行业术语），进入「技能市场」→搜索“语音自训练工具”→安装并运行；
按提示朗读3轮共50个自定义词组（支持上传CSV批量导入），每次朗读间隔不少于2小时，确保声纹特征充分采样；
训练完成后，模型自动绑定至当前设备ID，仅本机生效，不上传任何音频片段到云端。
