本文记录一套面向展厅导览场景的 G1 语音交互系统从 0 到真机落地的过程。系统不是简单「聊天机器人」，而是ASR → 意图理解 → 导览任务 → TTS的完整闭环，且遵循「大模型只理解、不直控底层」的安全原则。真机部署在上，ASR/TTS 走宇树内置离线链路，对话与复杂意图走通义千问 Qwen Omni API。历经 Windows 模拟调试、云端语音方案验证、真机联调、唤醒词优化、回声抑制、网