啊队队队-beta冲刺
| 作业所属课程 | https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/ |
|---|---|
| 作业要求 | https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/homework/15597 |
| 作业的目标 | 项目完善与沉淀：基于 alpha 冲刺成果迭代优化，定位并解决遗留问题；提炼产品特色功能并可视化展示，完成关键模块自动化单元测试。产品推广与验证：通过发布会完成产品推广，清晰呈现使用流程、核心杀手级功能及发展规划，吸引用户关注与使用。 |
| 团队名称 | 啊队队队 |
| 团队成员-学号 | 102301638丁剑勇 102301524施汉霖 102301641陈怀侨 102301539陈佳铭 102301510邹晨阳 102301231林天诺 102301511郑标铭 102301537高舒文 102301527彭岳喆 102301525邱维佳 102301609周训博 |
一、 Alpha 冲刺后问题梳理与 Beta 冲刺解决过程
（一） Alpha 冲刺遗留核心问题
问题类别 具体问题描述 影响程度
功能体验 方言识别准确率低（仅 65%），仅支持普通话，无法满足农村老年用户需求 高
交互逻辑 语音指令响应延迟超过 2 秒，复杂指令（如“查明天天气并提醒吃药”）执行失败率高 高
稳定性 连续使用超过 1 小时后出现内存泄漏，App 闪退率达 12% 中
适配性 部分老年机低分辨率屏幕显示错乱，大字体模式下按钮重叠 中
（二） 问题探索思路与解决过程
方言识别优化
- 探索思路：调研老年人常用方言（北方官话、西南官话、粤语），引入轻量级方言语音模型；采用迁移学习，基于预训练普通话模型微调方言数据集。
- 解决过程：
1.采集 500 条老年用户方言语音样本（涵盖日常指令、生活咨询）；
2.使用 PaddleSpeech 框架训练方言识别子模型，与主模型集成，实现“普通话+方言”双模切换；
3.测试验证：方言识别准确率提升至 89%，满足核心使用需求。
复杂指令响应优化
- 探索思路：重构指令解析逻辑，引入意图识别+槽位填充技术，拆分复杂指令为多个子任务分步执行；优化语音信号处理流程，减少降噪算法耗时。
- 解决过程：
1.设计指令拆分规则库，例如将“查天气+提醒吃药”拆分为“天气查询”“定时任务创建”两个子任务；
2.替换传统降噪算法为轻量级 WebRTC 降噪模块，响应延迟缩短至 0.8 秒内；
3.开发指令容错机制，对模糊指令进行语义联想补全，复杂指令执行成功率提升至 92%。
二、 项目特色功能展示
（一） 核心特色功能列表
1.语音交互，语音指令,支持部分方言识别，覆盖生活查询、、健康管理等模块
2.打车服务，可在主页功能模块手动输入，也可通过语音识别呼出打车功能。