自由说语音识别是离线语音的一种意图识别能力：用户不必背命令词，用口语化表达（"有点冷""太热了"）就能让设备理解意图，识别在本地芯片完成、不联网。它和固定命令词的本质差异是"谁来适配谁"：固定词条是人迁就机器（先学词条再说话），自由说是机器理解人（直接听语义）。两者都是离线能力，"自由说"不等于要联网。
用三个词概括全文要讲的分野：说法 A、说法 B、说法 C。
冬天卧室里想调暖一点，同一个人的三种说法：说"调到二十八度"，CSK3021 和 CSK3022 都能接，这是标准词条；说"我有点冷"，只有 3022 的"自由说"能把它映射到"升温"意图，这是口语化变体；说"放首周杰伦的歌"，两个都接不了，这是在线方案的领地。三种说法，正好划开"固定命令词 / 自由说 / 在线语音"三个概念的边界。
这三种说法的分野就是全文的主线。接下来先用一组对照演示三种说法下机器的反应，再算一算背命令词的真实负担，然后把自由说的增益与代价对称地摆出来（它不是万能的，意图映射有边界），最后落到选型：什么时候 3021 够用、什么时候值得上 3022，以及为什么不必一步到位。
关键要点 - "自由说"= 离线意图识别：口语化表达在本地芯片上映射到预设意图集，不联网（纠偏：自由说 ≠ 要联网） - 固定命令词的"固定"指指令集合固定（口音有语音注册兜底，说法必须在词条范围内） - 本质差异一句话：固定词条是人迁就机器，自由说是机器理解人 - 自由说不是开放式对话——它把口语化表达映射到预设意图集，意图之外的话（点歌、问天气）接不了，那是在线方案的领地 - CSK3022 自由说当前成熟场景为风扇、暖风机，其他品类持续扩展中，立项前向原厂确认
同一个需求，三种说法（以下为交互示意）
先看一组对照。场景：冬天，卧室，暖风机开着，用户觉得冷。以下为交互示意，用于说明三种说法的边界，非特定产品实录。
用户说："调到二十八度。" 这是一条标准词条，即说法 A。机器应答、执行，温度升到设定值。CSK3021 和 CSK3022 都能完成这一步：词条在 Flash 里写得明明白白，声学匹配命中，指令下发。这条路上，两颗芯片的表现没有差别。
用户说："我有点冷。" 这句话把两颗芯片分开了：在 CSK3021 上，它不在词条范围内，不应答；在 CSK3022 上，"自由说"的本地意图模型把"我有点冷"映射到"升温"意图，执行调温。这是说法 B，也是两颗芯片真正的分水岭。用户没有背任何命令词，设备听懂了口语化表达背后的意图，而这个理解过程发生在芯片内部，不联网。
用户说："放首周杰伦的歌。" 两颗芯片都接不了，这是说法 C。"点歌"不在这台设备的意图集里，无论词条写得多全、意图模型调得多好，它都不是一台能联网取内容的机器。这一步是离线与在线的分界：内容服务必须联网取，属于在线方案的领地（这条边界在《离线语音和在线语音有什么区别》一文里展开讲过）。
三句话，三条边界：
- 说法 A（标准词条）→ 固定命令词的领地，3021 与 3022 通用；
- 说法 B（口语化变体）→ 自由说的领地，仅 3022 能接；
- 说法 C（开放域）→ 在线方案的领地，离线芯片都接不了。
记不住技术细节没关系，记住这三句话就够了——它比任何参数表都更快地把三个概念分开。
背命令词的真实负担
在讲自由说的好处之前，先把"固定命令词"的使用成本算清楚。这笔账工程与用户视角各占一半。
用户视角：学习成本落在谁头上？
最直接的是"教"的成本。说明书里印一页命令词清单、面板上贴一张提示标签，是这类产品的标配。用户第一次上手要翻说明书，第二次要回忆，第三次才形成肌肉记忆。对年轻人这只是麻烦，对老人就是门槛——很多语音家电最后沦为"按键的备用品"，不是功能不行，是家里老人记不住那些说法。
更隐蔽的是家庭多用户困境：主人用熟了，客人来了不会用。主人不在，这台设备对客人就是一台普通机器。语音交互的便利性建立在"会用的人恰好在场"上——这是所有命令词方案的共同软肋。
工程视角：词条设计本身就是一门手艺。
命令词方案的可玩空间其实不小，约束也不少：
- 词条间要保持足够的音节差异，防止发音相近的词条互相误触："三档"和"散装"这种谐音组合是设计时要主动规避的；
- 词条数量受 Flash 容量约束：CSK3021 的 1M Flash 要装下唤醒词、命令词、应答提示音和固件，词条清单不是想加就加（参数底细见《CSK3021 是什么芯片》）；
- 口音靠"语音注册"解决：用户可以录制自己的声音来适配命令词。这正是很多人误解的地方：固定命令词的"固定"指指令集合固定，不是"只能说标准普通话"。口音兼容是有的，但前提仍是说法必须落在词条范围内——"调到二十八度"换成"暖和点"，注册十遍也没用。
把这三条放一起看，指向的是同一个结论：固定命令词方案的天花板，不在技术，在"人要迁就机器"这个交互范式本身。 词条设计得再精巧，也改变不了"用户必须先学后用"的事实。自由说就是冲着这个范式来的。
自由说的体验增益与代价
任何能力升级都要对称地看，自由说也不例外——增益真实，代价也真实。
先说增益，集中在三个词上：
- 零学习成本。 不用翻说明书、不用背词条，说人话就行。"有点冷""太热了""来点风"，用户第一次上手就能用，"教"的环节整个消失了。
- 口语化。 表达方式回归日常语言习惯，而不是迁就设备预设的指令格式。这对老人和客人尤其友好——他们恰恰是命令词方案里最掉队的人群。
- 自然。 交互从"下达指令"变成"表达需求"，产品的心理定位从工具向助手挪了一步。
再说代价，三条，一条不藏：
- 意图误判风险。 "有点冷"到底是"升温"还是"加大风量"？口语化表达的意图映射天然有边界地带。固定词条的响应是确定的，词条命中就执行；自由说多了一层"语义理解"的判断，也就多了一层判断错误的可能。这不是缺陷，是能力换来的新误差类型：选型时要把意图映射的准确性放进实测清单，而不是只看宣传页。
- 2M Flash 的成本。 意图模型要占空间，这是 3022 比 3021 贵的那部分。引脚兼容意味着硬件不用改版，但单颗物料成本差是真实的，量大的产品要做这笔账（BOM 的算法见《语音芯片 BOM 成本拆解》）。
- 当前场景边界，如实说明。 自由说意图识别目前官方公开口径的成熟场景是风扇、暖风机，其他品类持续扩展中。你的产品若不在此列，立项前请向原厂确认——这是没有商量余地的边界，不是免责声明。
一句话总结：固定词条赢在确定，自由说赢在自然。 前者的误差是"没听清"（可重说），后者的误差是"听岔了"（可能执行错意图）——两种误差的用户感受不同，选型时值得按你的场景权衡。
说法 A/B/C 分野表
把三种说法收成一张三行表：
| 说法类型 | 示例 | 谁能接 | 本质 |
|---|---|---|---|
| A：标准词条 | "调到二十八度" | CSK3021 / CSK3022 均可 | 固定命令词，声学匹配命中预设词条 |
| B：口语化变体 | "我有点冷" | 仅 CSK3022（自由说） | 离线意图识别，本地模型映射到预设意图集 |
| C：开放域 | "放首周杰伦的歌" | 离线方案均不能，需在线方案 | 内容服务需联网取，超出本地意图集边界 |
这张表的读法：纵向看是能力阶梯（能接的说法范围逐级扩大，A → A+B → A+B+C，大圈含小圈），横向看是三条互不重叠的产品定位。 说法 A 覆盖一切"指令可枚举"的产品；说法 B 是"指令可枚举 + 用户多元"产品的升级项；说法 C 出现时，说明你的产品需要的是内容服务，该考虑在线或混合架构了。三条路不冲突，冲突的是把 B 当成 C、以为上了自由说就能点歌。
选型分界：不必一步到位
落到选型，本文只给一条分界线和一句宽心话。
分界线：指令可枚举且用户固定 → CSK3021；家庭多用户 + 口语化诉求 → CSK3022。
产品卖给固定人群、指令集合在立项时就能列全（工业设备、酒店固定客房设备、单人使用的工具类电器）——3021 的固定命令词是够用且更省的答案。产品面向家庭多用户、老人小孩客人都会碰、交互拟人化是卖点——3022 的自由说直接消灭学习成本，这笔账划算。四芯片横评文里的决策树，最终就落到这条分界线上。
宽心话：不必一步到位。
3021 和 3022 引脚逐脚兼容，硬件上是同一块板子的两次投料。这意味着升级路径是"换料"而不是"改板"：先用 3021 把产品做出来、验证市场，如果上线后发现用户在评论区反复表达"说人话它听不懂"，再平移到 3022 换取自由说能力——具体怎么换、换的时候要注意什么，升级路线图文里按 datasheet 级口径写过。先上线，后升级，用真实用户反馈决定要不要为"自由说"买单——这比立项时拍脑袋押注交互范式稳妥得多。
给两类读者各一句收束：
- 硬件工程师：两颗芯片引脚兼容、外围一致（9 颗 0402 的布板账不变），选型的本质是给 Flash 容量做预算——预算定交互范式。
- 产品经理：把"用户是谁"想清楚再定芯片。固定人群用 3021，开放家庭环境用 3022——交互范式跟着用户走，不是跟着参数表走。
常见问题 FAQ
Q1：自由说和固定命令词有什么区别？ 一句话：固定词条是人迁就机器，自由说是机器理解人。固定命令词的误差是"没听清"（可重说），赢在响应确定；自由说的误差是"听岔了"（可能执行错意图），赢在零学习成本。选型按你的用户画像与场景权衡，本文全文就是这笔账的展开。
Q2：自由说需要联网吗？ 不需要。"自由说"是 CSK3022 内置 2M Flash 里的本地意图识别模型，口语化表达到意图的映射在芯片上离线完成，全程不联网、音频不出户。"能听懂口语 = 必须联网"是最常见的误解——表达自由度和是否联网是两个独立维度（展开见《离线语音和在线语音有什么区别》）。
Q3：自由说会理解错吗？ 会有意图映射的边界地带——"有点冷"到底是升温还是加风量，这类歧义是口语化表达的天然属性。所以对称地说：固定词条响应更确定（词条命中即执行），自由说更自然但多一层语义判断的误差可能。误映射率没有公开的通用数字，务实的做法是拿样机在你的真实场景里实测，把高频说法清单交给方案商验证映射准确性。
Q4：CSK3021 能升级成自由说吗？ 能，而且硬件代价很小。升级是"换料"：同一套硬件，把 3021 换成 3022（2M Flash），刷入对应固件即可获得自由说能力。升级的具体步骤与验证要点见《CSK3021→CSK3022 升级路线图》。
Q5：固定命令词和自由说能共存吗？ 能。CSK3022 的"自由说"是在固定命令词基础上叠加的离线意图识别——标准词条照常响应（说法 A），口语化表达走意图映射（说法 B），两条通路并存。对产线的意义在于：同一产线可以按产品档位混贴 3021/3022，交互能力随物料成本分级，产线不用改。
Q6：自由说支持方言吗？ 分开回答。固定命令词模式：通过语音注册，用户可录制自己的声音适配词条，对口音和带口音的普通话有兼容能力。自由说模式：意图识别对方言的覆盖程度，本文不做断言——以原厂公开口径为准，需求涉及方言场景的，立项前向原厂确认。
结语：记住三种说法就够了
回顾全文，三句话收束：
- 固定命令词是人迁就机器：指令集合固定、语音注册解决口音、词条内才应答；赢在确定，输在学习成本。
- 自由说是机器理解人：离线意图识别把口语化表达映射到预设意图集，零学习成本；赢在自然，多了意图误判的实测责任和 2M Flash 的物料差。
- 两者都是离线能力，且都不是万能："自由说 ≠ 要联网"，"自由说 ≠ 开放式对话"；点歌问天气仍是说法 C，那是在线方案的领地。
选型的那条分界线再放一次：指令可枚举且用户固定，3021 够用且更省；家庭多用户加口语化诉求，3022 值得上。引脚兼容意味着这个决定可以推迟到市场验证之后——不必一步到位。
如果你的产品在评估"自由说"交互，找上微智芯拿 CSK3022 样品申请。同一块板子，两种交互，实测再定。
样品免费申请 · 成熟方案约 3 天出固件 · 验证与量产均无起订量