大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



17.1.1 整体架构

移动端麦克风接入 OpenClaw 的整体架构可分为四层：

 ┌──────────────────────────────────────────────────────────┐ │ 移动端 (Client) │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌───────────┐ │ │ │ 麦克风采集│→│ 音频编码 │→│ 网络传输 │→│ 安全认证 │ │ │ └──────────┘ └──────────┘ └──────────┘ └───────────┘ │ └────────────────────────┬─────────────────────────────────┘ │ WebSocket / gRPC Stream ▼ ┌──────────────────────────────────────────────────────────┐ │ 服务端 (Server) │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌───────────┐ │ │ │ 连接管理 │→│ 音频解码 │→│ 语音识别 │→│ OpenClaw │ │ │ │ │ │ │ │ (ASR) │ │ 指令解析 │ │ │ └──────────┘ └──────────┘ └──────────┘ └───────────┘ │ └──────────────────────────────────────────────────────────┘

数据流向说明：

1. 采集层：移动端通过系统 API 从麦克风获取原始 PCM 音频数据
2. 编码层：将 PCM 数据压缩编码（推荐 OPUS），降低传输带宽
3. 传输层：通过 WebSocket 或 gRPC 流式传输到服务端
4. 服务端：解码后进行语音识别（ASR），将识别文本送入 OpenClaw 指令引擎

17.1.2 技术选型矩阵

17.1.3 音频参数基准

---

17.2.1 Android 录音实现

(1) 权限配置

在 AndroidManifest.xml 中声明麦克风权限：

在 Activity/Fragment 中请求运行时权限（Kotlin）：

 // PermissionHelper.kt import android.Manifest import android.content.pm.PackageManager import androidx.core.app.ActivityCompat import androidx.core.content.ContextCompat import androidx.appcompat.app.AppCompatActivity object PermissionHelper else } }

(2) AudioRecord 实时采集

AudioRecord 是 Android 底层音频采集 API，相比 MediaRecorder 更适合实时流式传输场景：

 // AudioRecorder.kt import android.media.AudioFormat import android.media.AudioRecord import android.media.MediaRecorder import java.io.IOException import java.net.URI import org.java_websocket.client.WebSocketClient import org.java_websocket.handshake.ServerHandshake class AudioRecorder( private val sampleRate: Int = 16000, private val channelConfig: Int = AudioFormat.CHANNEL_IN_MONO, private val audioEncoding: Int = AudioFormat.ENCODING_PCM_16BIT ) fun startRecording(serverUrl: String) { // 初始化 WebSocket 连接 webSocketClient = object : WebSocketClient(URI(serverUrl)) { override fun onOpen(handshakedata: ServerHandshake?) { isRecording = true startCapture() } override fun onMessage(message: String?) { // 处理服务端返回的识别结果 message?.let { handleRecognitionResult(it) } } override fun onClose(code: Int, reason: String?, remote: Boolean) { isRecording = false stopRecording() } override fun onError(ex: Exception?) { isRecording = false stopRecording() } } webSocketClient?.connect() } private fun startCapture() audioRecord?.startRecording() isRecording = true // 启动采集线程 Thread } }.start() } fun stopRecording() { isRecording = false audioRecord?.stop() audioRecord?.release() audioRecord = null webSocketClient?.close() } private fun handleRecognitionResult(result: String) { // 处理语音识别结果，可回调到 UI 层 // 实际项目中建议通过 Listener 或 LiveData/Flow 回调到 ViewModel println("识别结果: $result") } }

(3) OPUS 编码集成

使用纯 Java 实现的 OPUS 编码器库 Concentus，无需 NDK 即可在 Android 上使用：

 // OpusEncoder.kt — 使用 jopus 封装库的示例 import org.concentus.OpusEncoder import org.concentus.OpusApplication class OpusEncoder( sampleRate: Int = 16000, channels: Int = 1, application: OpusApplication = OpusApplication.OPUS_APPLICATION_VOIP ) { private val encoder = OpusEncoder(sampleRate, channels, application).apply { bitrate = 20000 // 20 kbps } fun encode(pcmData: ByteArray): ByteArray { // PCM 16-bit 转 ShortArray val shorts = ShortArray(pcmData.size / 2) for (i in shorts.indices) { shorts[i] = ((pcmData[2 * i].toInt() and 0xFF) or (pcmData[2 * i + 1].toInt() shl 8)).toShort() } val encoded = ByteArray(1280) // OPUS 最大帧大小 val encodedLength = encoder.encode(shorts, 0, shorts.size, encoded, 0, encoded.size) return encoded.copyOf(encodedLength) } fun close() { // OpusEncoder 无需显式释放 } }

⚠️ 注意：上述 Concentus 库是纯 Java 实现的 OPUS 编码器，GitHub 地址为 https://github.com/lostromb/concentus。引入方式如下：

 // 通过 JitPack 引入（在根 build.gradle 中添加 maven { url 'https://jitpack.io' }） implementation 'com.github.lostromb:concentus:v1.0'

备选方案：如果 Concentus 引入遇到问题，也可以使用 Android NDK 直接编译 libopus C 源码， 或通过 Android 官方 ExoPlayer 扩展库中的 OPUS 解码器（注：ExoPlayer 主要提供解码而非编码）。

现代 Android 开发提示：对于 Android 10 及以上版本，也可以使用 AudioRecord + MediaCodec 进行 AAC 编码作为备选方案（但 AAC 延迟高于 OPUS，不推荐实时场景）。

关于运行时权限：上述代码使用了传统的 ActivityCompat.requestPermissions API。对于 Android 13+ 推荐项目，可以使用 registerForActivityResult(ActivityResultContracts.RequestPermission()) 方式请求权限，代码更简洁。

17.2.2 iOS 录音实现

(1) 权限配置

在 Info.plist 中添加麦克风使用描述：

  
   
    
      
   
    
     
       NSMicrophoneUsageDescription 
      
   
    
     
       需要使用麦克风进行语音控制 
      
   
    
      
   
    
     
       UIBackgroundModes 
      
   
    
      
      
        audio 
       
     

(2) AVAudioEngine 实时采集

AVAudioEngine 是 iOS 推荐的实时音频处理框架，支持低延迟音频管线：

 // AudioRecorder.swift import AVFoundation import Starscream // WebSocket 库 (https://github.com/daltoniam/Starscream) class AudioRecorder: NSObject { private let audioEngine = AVAudioEngine() private let opusEncoder = OpusEncoder(sampleRate: 16000, channels: 1) private var webSocket: WebSocket? private var isRecording = false // 采样率和格式配置 private let sampleRate: Double = 16000.0 private let channels: AVAudioChannelCount = 1 init(serverUrl: String) { super.init() // 配置音频会话 configureAudioSession() // 初始化 WebSocket var request = URLRequest(url: URL(string: serverUrl)!) request.timeoutInterval = 5 webSocket = WebSocket(request: request) webSocket?.onEvent = { [weak self] event in switch event { case .connected: self?.startCapture() case .text(let text): self?.handleRecognitionResult(text) case .disconnected: self?.stopRecording() case .error: self?.stopRecording() default: break } } webSocket?.connect() } private func configureAudioSession() catch { print("音频会话配置失败: (error)") } } private func startCapture() // PCM 数据 → OPUS 编码 → WebSocket 发送 let pcmData = self.extractPCM(from: buffer) if let opusData = self.opusEncoder.encode(pcmData: pcmData) { self.webSocket?.send(data: opusData) } } do { try audioEngine.start() isRecording = true } catch { print("音频引擎启动失败: (error)") } } private func extractPCM(from buffer: AVAudioPCMBuffer) -> Data let channelData = int16Data.pointee let frameLength = Int(buffer.frameLength) return Data(bytes: channelData, count: frameLength * MemoryLayout 
   
    
     
       .size) } func stopRecording() { isRecording = false audioEngine.stop() audioEngine.inputNode.removeTap(onBus: 0) webSocket?.disconnect() } private func handleRecognitionResult(_ result: String) { print("识别结果: (result)") } } 
     

(3) iOS OPUS 编码

iOS 上推荐使用 libopus 源码通过 CocoaPods 集成：

 // OpusEncoder.swift — 基于 libopus 的封装 import Foundation // 需要先通过 CocoaPods 安装: pod 'libopus' // #include 
   
    
     
       class OpusEncoder // 设置码率 opus_encoder_ctl(state, OPUS_SET_BITRATE_REQUEST, 20000) } func encode(pcmData: Data) -> Data? let pcmShorts = pcmData.withUnsafeBytes { ptr in Array(UnsafeBufferPointer(start: ptr.bindMemory(to: Int16.self).baseAddress!, count: ptr.count / MemoryLayout 
      
        .size)) } var encodedData = Data(count: 1280) let frameSize = opus_encode( state, pcmShorts, Int32(pcmShorts.count), &encodedData, Int32(encodedData.count) ) guard frameSize > 0 else { return nil } return encodedData.prefix(Int(frameSize)) } deinit } } 
       
     

⚠️ 注意：上述 C 接口函数名（opus_encoder_create、opus_encode 等）来自 libopus 官方 API，详见 https://opus-codec.org/docs/。在 Swift 中需要通过 Objective-C 桥接头文件（Bridging Header）引入。

⚠️ 注意：iOS 上使用 libopus C 函数需要通过 Objective-C 桥接头文件（Bridging Header）引入：

 // YourProject-Bridging-Header.h #include 
    
     
      

通过 CocoaPods 安装：pod 'libopus', '~> 1.3.1'

备选方案：如果不想手动管理 C 代码，可以使用 Swift 封装库如 https://github.com/jscalo/tempi-opus-encoder（通过 Swift Package Manager 引入）。

---

17.3.1 WebSocket 方案

WebSocket 是移动端音频实时传输最常用的协议，具有以下优势：

• 全双工通信：客户端和服务端可同时收发数据
• 低开销：建立连接后每帧数据仅 2-14 字节头部开销
• 天然支持流式传输：适合连续的音频帧流
• 浏览器兼容：Web 端也可直接接入

自定义消息帧设计

以下为本文设计的自定义应用层协议，非 WebSocket 标准协议。WebSocket 本身只区分 Binary/Text 帧，应用层需要自行定义消息格式。

 ┌─────────────────────────────────────────┐ │ 自定义应用层消息帧 │ ├─────────────┬───────────────────────────┤ │ 类型标记 │ 音频数据 (Binary) │ │ (1 byte) │ OPUS 编码帧 │ ├─────────────┴───────────────────────────┤ │ 类型标记定义（本方案约定）： │ │ 0x01 = 音频数据帧 │ │ 0x02 = VAD 静音检测 │ │ 0x03 = 心跳包 │ │ 0x04 = 识别结果 (Text) │ │ 0x05 = 控制指令 (开始/停止录音) │ └─────────────────────────────────────────┘

客户端实现（以 Kotlin + Java-WebSocket 为例）

 // AudioWebSocket.kt import org.java_websocket.client.WebSocketClient import org.java_websocket.handshake.ServerHandshake import java.net.URI import java.nio.ByteBuffer class AudioWebSocket( serverUrl: String, private val onConnected: () -> Unit, private val onMessage: (String) -> Unit, private val onError: (Exception) -> Unit ) : WebSocketClient(URI(serverUrl)) { override fun onOpen(handshakedata: ServerHandshake?) { onConnected() } override fun onMessage(message: String?) { message?.let { onMessage(it) } } override fun onClose(code: Int, reason: String?, remote: Boolean) { println("WebSocket 关闭: code=$code, reason=$reason") } override fun onError(ex: Exception?) { ex?.let { onError(it) } } // 发送音频帧 fun sendAudioFrame(opusData: ByteArray) } // 发送心跳 fun sendHeartbeat() } // 发送控制指令 fun sendCommand(command: String) } }

17.3.2 gRPC 流式传输方案

对于需要更严格控制的项目，gRPC 双向流（Bidirectional Streaming）也是优秀选择：

 // audio_stream.proto syntax = "proto3"; package audiostream; service AudioStreamService { // 双向流式 RPC：客户端持续发送音频，服务端持续返回识别结果 rpc StreamAudio (stream AudioChunk) returns (stream RecognitionResult); } message AudioChunk { bytes opus_data = 1; // OPUS 编码帧 int64 timestamp_ms = 2; // 客户端时间戳 string session_id = 3; // 会话标识 } message RecognitionResult { string text = 1; // 识别文本 bool is_final = 2; // 是否为最终结果 float confidence = 3; // 置信度 (0.0-1.0) int64 timestamp_ms = 4; // 服务端时间戳 }

gRPC 方案的优势在于强类型接口、自动重试、内置负载均衡。适合企业级部署场景。

17.3.3 音频分包与重传策略

对于不可靠网络环境，建议实现以下分包策略：

 // 帧编号示例 data class AudioFrame( val sequenceNumber: Int, // 递增序号 val timestamp: Long, // 时间戳 (ms) val data: ByteArray, // OPUS 编码数据 val isKeyFrame: Boolean = false )

---

17.4.1 Node.js WebSocket 服务端

使用 ws 库实现音频接收：

 // server/audio-server.js const WebSocket = require('ws'); const { exec } = require('child_process'); const wss = new WebSocket.Server({ port: 8080 }); // 会话管理 const sessions = new Map(); wss.on('connection', (ws) => ); console.log(`客户端已连接: ${sessionId}`); ws.on('message', async (data) => { const type = data.readUInt8(0); switch (type) { case 0x01: // 音频数据帧 const audioData = data.slice(1); await handleAudioFrame(sessionId, audioData); break; case 0x03: // 心跳 ws.send(Buffer.from([0x03])); // 心跳响应 break; case 0x05: // 控制指令 const cmd = data.toString('utf8', 1); await handleCommand(sessionId, cmd); break; } }); ws.on('close', () => { sessions.delete(sessionId); console.log(`客户端已断开: ${sessionId}`); }); }); async function handleAudioFrame(sessionId, audioData) )); // 如果识别到完整句子，转发到 OpenClaw if (result.isFinal) { forwardToOpenClaw(sessionId, result.text); } } catch (error) { console.error('语音识别失败:', error); } } } // 语音识别（以阿里云 ASR 为例） async function recognizeSpeech(audioBuffer) { // 此处应调用阿里云/讯飞等 ASR SDK // 示例伪代码： // const client = new NlsClient({ // url: 'wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1', // token: process.env.ALIYUN_ASR_TOKEN // }); // return await client.recognize(audioBuffer); return { text: '待接入实际 ASR 服务', isFinal: true, confidence: 0.0 }; } // 转发到 OpenClaw function forwardToOpenClaw(sessionId, text) { // 通过 OpenClaw API 发送语音识别文本 console.log(`[${sessionId}] 转发到 OpenClaw: ${text}`); } function generateSessionId() { return Math.random().toString(36).substring(2, 10); } console.log('音频服务器运行在 ws://localhost:8080');

17.4.2 .NET 服务端实现

对于已有 .NET 基础设施的项目（如已部署 AI 客服系统的团队），可以使用 ASP.NET Core 的 WebSocket 中间件：

 // AudioWebSocketMiddleware.cs using System.Net.WebSockets; using System.Text; public class AudioWebSocketMiddleware { private readonly RequestDelegate _next; private readonly ILogger 
     
    
       
         _logger; public AudioWebSocketMiddleware(RequestDelegate next, ILogger 
        
          logger) { _next = next; _logger = logger; } public async Task InvokeAsync(HttpContext context) using var webSocket = await context.WebSockets.AcceptWebSocketAsync(); _logger.LogInformation("WebSocket 连接已建立"); var sessionId = Guid.NewGuid().ToString("N")[..8]; var audioBuffer = new List 
         
           (); var buffer = new byte[4096]; WebSocketReceiveResult result; while (true) if (result.MessageType == WebSocketMessageType.Binary) } } } } private async Task ProcessAudioAsync(string sessionId, List 
          
            audioBuffer, WebSocket ws) // 调用语音识别服务 var result = await RecognizeSpeechAsync(combined); var response = Encoding.UTF8.GetBytes( $@"{{""text"":""{result.Text}"",""isFinal"":{result.IsFinal.ToString().ToLower()}}}"); await ws.SendAsync( new ArraySegment 
           
             (response), WebSocketMessageType.Text, true, CancellationToken.None); } private async Task 
            
              RecognizeSpeechAsync(byte[] audioData) { // 接入阿里云/讯飞 ASR SDK return new RecognitionResult { Text = "待接入", IsFinal = true }; } private class RecognitionResult public bool IsFinal } } // Program.cs 中注册中间件 // app.UseWebSockets(); // app.UseMiddleware 
             
               (); 
              
             
            
           
          
         
       

17.4.3 音频流的缓冲和重组

服务端接收到的音频帧可能存在乱序或丢失，需要进行缓冲重组：

 // AudioBufferManager.js class AudioBufferManager { constructor(options = {}) { this.expectedSeq = 0; // 期望的下一个帧序号 this.buffer = new Map(); // 乱序缓冲 this.maxBufferSize = 50; // 最大缓冲帧数 this.maxWaitMs = options.maxWaitMs || 300; // 最大等待时间 } receiveFrame(frame) { const { sequenceNumber, data } = frame; if (sequenceNumber === this.expectedSeq) { // 按序到达，直接处理 this.expectedSeq++; this.processFrame(data); // 检查缓冲中是否有连续帧 this.flushBuffer(); } else if (sequenceNumber > this.expectedSeq) } // sequenceNumber < this.expectedSeq：过期帧，丢弃 } flushBuffer() } processFrame(data) { // 交由 ASR 模块处理 } }

---

17.5.1 JWT Token 认证

移动端在建立 WebSocket 连接前，先通过 HTTPS 获取 JWT Token，然后在连接时携带：

 // TokenManager.kt import okhttp3.OkHttpClient import okhttp3.Request import org.json.JSONObject object TokenManager // 请求新 Token val request = Request.Builder() .url("https://your-server.com/api/v1/auth/token") .header("Authorization", "Bearer $") .build() client.newCall(request).execute().use } return null } }

WebSocket 连接时携带 Token：

 // 方式一：URL 参数 val wsUrl = "wss://your-server.com/ws/audio?token=$token" // 方式二：HTTP Header（推荐） val client = object : WebSocketClient(URI(wsUrl)) }

17.5.2 TLS/HTTPS 加密传输

强制使用 WSS（WebSocket Secure），禁用明文 WS：

 // 服务端 TLS 配置（Node.js + ws） const https = require('https'); const fs = require('fs'); const WebSocket = require('ws'); const server = https.createServer(); const wss = new WebSocket.Server({ server }); wss.on('connection', (ws, req) => console.log('安全连接已建立'); }); server.listen(8443);

17.5.3 防重放攻击

为每个音频帧添加时间戳和 nonce，服务端校验时效性：

 data class SecureAudioFrame( val sequenceNumber: Int, val timestamp: Long, // 帧生成时间 (Unix ms) val nonce: String, // 随机字符串 val data: ByteArray, val signature: String // HMAC 签名 ) // 服务端校验 fun validateFrame(frame: SecureAudioFrame): Boolean // 2. Nonce 去重（使用 Redis 缓存） // if (redis.exists("nonce:${frame.nonce}")) return false // redis.setex("nonce:${frame.nonce}", 300, "1") // 3. 签名校验 // return verifyHMAC(frame) return true }

17.5.4 国内第三方客服平台对接示例

如果音频遥控功能需要对接国内客服平台（如企业微信客服、钉钉机器人），可以参考以下模式：

 // 企业微信客服音频转发示例 const axios = require('axios'); class WeComAudioForwarder { constructor(corpId, corpSecret) { this.corpId = corpId; this.corpSecret = corpSecret; this.accessToken = null; } // 获取企业微**问令牌 async getAccessToken() } ); this.accessToken = resp.data.access_token; return this.accessToken; } // 将语音识别结果转发给企业微信客服消息接口 async forwardToCustomerService(userId, text) { await axios.post( 'https://qyapi.weixin..com/cgi-bin/message/send', { touser: userId, msgtype: 'text', agentid: , text: { content: text } }, { params: { access_token: this.accessToken } } ); } }

---

17.6.1 端到端延迟拆解

移动端麦克风遥控的端到端延迟（从用户说话到 OpenClaw 响应）由以下部分组成：

 总延迟 = 采集延迟 + 编码延迟 + 网络传输延迟 + 服务端处理延迟 + ASR 延迟 + OpenClaw 响应延迟

17.6.2 关键优化手段

(1) 减小 OPUS 帧时长

OPUS 支持 2.5ms、5ms、10ms、20ms 和 60ms 帧时长。将帧时长从 20ms 降到 10ms 可减少编码延迟：

 // Concentus 设置帧时长 encoder.setForceChannels(OpusStereo.OPUS_MONO) encoder.setBitrate(24000) // 码率适当提高以补偿短帧

(2) 流式 ASR 识别

使用流式语音识别（Streaming ASR）而非等整段说完再识别：

 // 阿里云流式识别配置 const nlsParams = { appkey: 'your_appkey', token: token, url: 'wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1', // 开启中间结果返回 enableIntermediateResult: true, // 开启标点 enablePunctuation: true, // 语音检测灵敏度 maxSentenceSilenceMs: 500 };

(3) 服务端就近部署

将音频接收服务部署在与用户相近的节点：

---

17.7.1 电量消耗分析

注：以下功耗占比为估算参考值，实际占比因设备型号、系统版本、使用场景不同而有所差异。

移动端持续录音和传输是耗电大户，主要消耗来源：

17.7.2 VAD（语音活动检测）

通过 VAD 在用户不说话时停止传输，大幅降低电量和带宽消耗：

 // VAD 检测实现（基于音量阈值） class VoiceActivityDetector( private val threshold: Float = 500f, // 音量阈值 private val silenceTimeout: Long = 1500 // 静音超时 (ms) ) { private var lastVoiceTime: Long = 0 private var isSpeaking = false fun processFrame(pcmData: ByteArray): Boolean { // 计算 RMS 音量 var sum = 0L for (i in pcmData.indices step 2) { val sample = (pcmData[i].toInt() and 0xFF or (pcmData[i + 1].toInt() shl 8)).toShort() sum += sample * sample } val rms = Math.sqrt(sum.toDouble() / (pcmData.size / 2)).toFloat() val now = System.currentTimeMillis() if (rms > threshold) } else if (now - lastVoiceTime > silenceTimeout) } return isSpeaking // 只在说话时返回 true } }

⚠️ 注意：上述 VAD 实现基于简单的 RMS 音量阈值检测，适用于演示和简单场景。 生产环境推荐使用更成熟的 VAD 方案： - WebRTC VAD：业界标准，支持多种灵敏度模式（very low/low/medium/high） - Silero VAD：基于深度学习的 VAD，准确率更高 - 阿里云/讯飞 ASR 内置 VAD：大多数商用 ASR 服务自带 VAD 功能，无需自行实现

17.7.3 后台运行优化

Android Doze 模式适配

 // 使用前台 Service 保持后台录音 class AudioRecordingService : Service() private fun startRecording() { // AudioRecord 初始化和采集逻辑 } override fun onBind(intent: Intent?): IBinder? = null }

iOS 后台录音配置

 // AppDelegate.swift import UIKit import AVFoundation @main class AppDelegate: UIResponder, UIApplicationDelegate catch { print("后台音频配置失败: (error)") } return true } // 处理后台进入前台的过渡 func applicationWillResignActive(_ application: UIApplication) { // 降低采样率或码率以省电 } }

17.7.4 自适应功耗策略

 // PowerManager.kt — 根据网络状况自动调整 object PowerManager { var powerMode: PowerMode = PowerMode.NORMAL fun adjustForNetwork(networkType: NetworkType) { powerMode = when (networkType) { NetworkType.WIFI -> PowerMode.NORMAL NetworkType.CELLULAR_5G -> PowerMode.MODERATE NetworkType.CELLULAR_4G -> PowerMode.ECO NetworkType.CELLULAR_3G -> PowerMode.ULTRA_ECO } } fun getAudioConfig(): AudioConfig { return when (powerMode) { PowerMode.NORMAL -> AudioConfig( sampleRate = 16000, bitrate = 24000, frameSize = 20, vadEnabled = true ) PowerMode.ECO -> AudioConfig( sampleRate = 8000, // 降低采样率 bitrate = 12000, // 降低码率 frameSize = 40, // 增大帧大小减少发送次数 vadEnabled = true // 启用 VAD ) PowerMode.ULTRA_ECO -> AudioConfig( sampleRate = 8000, bitrate = 8000, frameSize = 60, vadEnabled = true, vadThreshold = 800f // 提高 VAD 阈值 ) } } } enum class PowerMode { NORMAL, MODERATE, ECO, ULTRA_ECO } enum class NetworkType { WIFI, CELLULAR_5G, CELLULAR_4G, CELLULAR_3G } data class AudioConfig( val sampleRate: Int, val bitrate: Int, val frameSize: Int, val vadEnabled: Boolean, val vadThreshold: Float = 500f )

---

本章系统性地介绍了移动端麦克风接入 OpenClaw 的完整技术方案，涵盖：

• 架构设计：采集→编码→传输→识别→指令解析的完整链路
• 移动端实现：Android 使用 AudioRecord + Concentus OPUS 编码器，iOS 使用 AVAudioEngine + libopus
• 网络传输：WebSocket 方案（轻量灵活）与 gRPC 方案（企业级）的对比与实现
• 服务端接收：Node.js 和 .NET 两种技术栈的音频接收服务实现
• 安全认证：JWT Token + TLS 加密 + 防重放攻击的三层防护
• 延迟优化：端到端延迟拆解，流式 ASR、短帧编码和就近部署等优化手段
• 电量优化：VAD 语音活动检测、前台 Service、自适应功耗策略

移动端麦克风接入使得 OpenClaw 能够自然融入智能家居和物联网场景，用户可以通过最自然的语音方式与 AI 系统交互。在实际项目中，建议根据目标用户群体的网络环境、设备类型和功能需求，灵活选择和组合上述方案。

---