车载语音助手（如 NOMI 这类）和手机语音助手的技术差异在哪？

先这样答

环境差异排第一。噪声：胎噪、风噪、音乐播放同时存在，信噪比远差于手机近场使用，要靠多麦克风阵列、回声消除、降噪前端把语音从噪声里捞出来，前端信号处理的权重比手机场景高得多。网络：车在隧道、地库、山区会断网，核心功能（车控、导航、媒体控制）必须端侧可用或近端部署，只有复杂对话才依赖云端，断网降级路径是产品设计的一部分。

交互差异有三条。多音区：车里主驾、副驾、后排同时说话，系统要按音区定位谁在说、分音区拾音、支持「只听主驾」的隔离模式。多用户：一家人共用一辆车，账号和偏好（座椅位置、常用导航、音乐口味）要按说话人识别切换。安全红线：所有交互不能让驾驶员长时间低头或复杂操作，语音是驾驶中最安全的交互通道，这反过来要求语音交互的确认流程极简，能一句说完的不用多轮。

车载特有的能力是车控：语音指令到车窗、空调、座椅、驾驶模式的映射要 deterministic（「打开车窗」执行错是不能容忍的），走意图识别加槽位填充的确定性链路，不用大模型自由生成。大模型的价值在开放对话和场景理解：「我有点冷」联动空调调温，「找个能充电的商场」联动导航和充电网络。

面试官会怎么追问

• 「音乐播放中的语音交互怎么处理？」 回声消除把正在播放的音乐从拾音里减掉；或者交互瞬间自动压低媒体音量（ducking）。两种方案体验不同，前者不打断听感、实现难度高，后者简单可靠。
• 「免唤醒和多音区怎么同时做？」 音区定位用麦克风阵列的到达时间差，每个音区独立做唤醒检测和拾音；免唤醒词的指令限定低风险操作（车窗空调），高风险操作仍要唤醒确认，防误触发。
• 「断网时哪些能力必须保住？」 车控全量、导航离线包、媒体本地缓存、唤醒和基础识别端侧化。断网降级的提示要清晰，恢复后未完成的云端任务自动续上。

回答的坑

• 用手机助手思路套车机。噪声、安全、离线三个约束都不同，答案要围绕它们展开。
• 车控指令说用大模型生成。安全相关操作的确定性要求决定了它走规则链路，模型只做理解和兜底。