鸿蒙穿戴开发实战：Core Speech Kit语音记录与传感器协同实现

鸿蒙专家

小卡健康是一款面向体重管理和减脂人群的 AI 健康管理 App，目前用户量已超过 400 万，年度营收破千万，并获得了鸿蒙创新精品应用奖。近期，团队基于鸿蒙穿戴开放能力完成了手表端深度适配，将饮食、运动、减脂进度等健康状态延伸到腕上，解决了传统健康 App 记录繁琐、场景割裂的体验问题。

这个产品最早由三位一起实习的女生创建。小团队做穿戴开发，最初担心多设备适配复杂、运动场景测试量大。实际落地时，鸿蒙提供的 Sensor Service Kit、音频会话、后台任务、网络通信等标准化 Kit 可以直接调用，加上多设备适配框架和测试工具，避免了很多重复造轮子的工作，开发周期被大幅缩短。

在整体架构上，小卡健康没有把手机 App 简单缩小到手表上，而是采用了手机+手表双端协同的方案。手机承担 AI 食物识别、AR 饮食测量等需要深度计算和复杂交互的功能；手表主打高频、随身、即时反馈的场景，比如运动实时反馈、快捷记录和智能提醒。用户在手机完成饮食记录后，手表上可以直接查看当日摄入数据与目标进度；运动时不用带手机，手表就是随身运动助手。

超慢跑是团队重点投入的穿戴场景。为了实现手表独立运行，团队使用了鸿蒙的 Sensor Service Kit 接入系统级底层心率与步频传感器，并利用音频会话播放节拍器。手表会根据预设的黄金减脂步频启动原生微振动触觉或高清晰音频节拍器。在运动过程中，系统会动态比对步频和心率，一旦发现步频掉队或心率偏离黄金燃脂区间，就通过触觉微振动和音频双重协同实时纠偏，帮助用户调整运动状态。整个功能流程是：设置步频和时长、倒计时、计步并播放节拍、计算距离和热量、保存会话、上传结果并获取 AI 建议。此外，还使用了后台任务、屏幕常亮、Preferences 和 Network Kit 来保证稳定运行。

语音记录功能是另一个亮点。基于 Core Speech Kit，小卡健康实现了“一句话记录 10+ 种健康指标”，识别准确率超过 99%，支持多种方言和外语。用户可以说“今天喝了 500 毫升水，晚上跑步 30 分钟”，系统会理解语义并自动拆分成饮水、运动等不同健康数据。针对穿戴设备拾音环境嘈杂、算力有限的问题，团队优化了录音时长检测、失败重试等机制，确保快速记录时的稳定体验。

在产品设计上，小卡健康刻意避免用单一分数制造焦虑。比如用户摄入热量超标时，不会收到“你超标了”的简单警告，而是会结合近期体重变化、运动情况和饮食习惯，得到“今天这一餐没有关系，接下来可以通过增加一点活动量或调整下一餐慢慢平衡”的指导。AI 健康助手不只是分析数据，还会尝试理解用户背后的原因，比如连续睡眠不好时，结合运动量、压力状态和饮食变化给出更个性化的建议。

这次手表端落地，为产品带来了很实际的价值。获得鸿蒙创新精品应用奖不仅带来了曝光，也形成了一种官方认可，降低了用户的选择成本。数据显示，穿戴用户的付费率是手机端的两倍以上。团队认为，穿戴设备真正的机会不是在手腕上复制手机，而是在用户生活和运动的瞬间给出恰到好处的反馈。AI 大模型让软件拥有认知能力，智能穿戴让数字能力随身相伴，两者的深度结合是健康应用从“工具记录”走向“主动守护”的突破口。

热心网友4

这个案例很有启发，尤其是手机+手表双端协同的思路，不是简单把手机功能搬过去，而是让手表承担“即时反馈”的角色，场景划分很清晰。超慢跑那个步频和心率动态比对、配合触觉和音频协同纠偏的设计，感觉实际体验会特别直观，比光看数据有用得多。 语音记录那块也很吸引人，穿戴设备上能实现“一句话记录多种指标”还能保证准确率和方言支持，背后的优化应该不少。想知道在嘈杂环境下，Core Speech Kit 的识别稳定性大概是怎么调的？比如有没有针对手表麦克风位置或者运动风噪做特殊处理？ 另外，产品设计上避免“数字焦虑”这点挺认同的，健康管理不是吓唬人，而是给出可执行的调整建议，这种温度感很加分。

热心网友4

这个案例很有启发性，尤其是“手机+手表双端协同”的架构思路。没有简单地把手机端缩小到手表上，而是按场景切分：手机管复杂计算，手表管即时反馈，这确实是穿戴应用该有的逻辑。 超慢跑那个步频+心率实时纠偏的设计也很实在，触觉和音频双通道反馈在运动场景里比看屏幕更自然。语音记录那句“一句话记录10+种健康指标”看起来很有吸引力，也想请教下：在手表这种拾音环境下，你们对录音时长的检测和失败重试具体是怎么做优化的？是在端侧先做VAD判断，还是结合了服务端的策略？ 另外很认同最后那段话：穿戴的机会不在复制手机，而是在关键时刻给出恰到好处的反馈，而不是靠分数制造焦虑。这种设计理念能在穿戴赛道跑出比手机端更高的付费率，说明用户确实是愿意为“被理解”买单的。

热心网友4

感谢分享！这个实践案例很有启发，尤其是“手机+手表双端协同”的思路——不是简单缩小界面，而是按场景拆分能力，确实更贴合穿戴设备的定位。语音记录那块“一句话拆多种指标”很戳痛点，健身党真的懒得打开手机一步步点选。想问下超慢跑场景里，手表端的节拍器音频和触觉微振动的优先级是如何设计的？比如嘈杂环境下会不会主要依赖振动反馈？期待后续更多技术细节。