建议在NPU部署语音语义编译器，精简控制指令链路，降低YOYO响应时延

痛点

目前YOYO设备控制类指令完整流程：
DSP采集音频→NPU做语音识别输出文本→文本传给CPU，送入大模型服务→生成自然语言文本回复→再提取控制意图→调用系统API。
中间多次传输完整文本字符串，产生数据拷贝与解析开销，造成语音控制指令存在可感知延迟。

功能构想

利用NPU算力，部署语音语义编译器模块，专门处理设备控制类语音指令：

1. DSP完成收音、降噪、唤醒之后，音频特征送入NPU；
​
2. NPU内部完成ASR识别+语义编译，直接输出系统可识别的轻量结构化控制指令包，不再输出完整自然语言文本；
​
3. 将精简指令包交付给CPU；CPU完成权限校验，直接调用系统API执行操作；
​
4. 闲聊、问答类场景不进入该加速通路，保留原有对话逻辑。

注：不会生成CPU裸机器码，所有操作依然经过系统权限沙盒校验，保障系统安全。

容错兜底机制

当语音识别置信度不足、用户指令模糊，语义编译器自动降级，退回原有对话流程，向用户确认意图，避免误操作。

方案优势

1. 把意图解析编译工作放在NPU侧，减少NPU与CPU之间大段文本的传输、序列化开销；
​
2. 裁剪冗余中间环节，缩短语音设备指令的响应时间，提升交互跟手度；
​
3. 复用现有硬件DSP‑NPU‑CPU架构，无需新增硬件；
​
4. 区分“设备控制指令”和“闲聊对话”两条路径，互不干扰。