乐琪琪Simona

在 Demo1，2 基础上，Demo3 引入人声触发的动态音量控制机制，通过环境人声概率估计与反向增益映射，实现播报音量在有人声时自动降低、无声时平滑恢复，从而提升真实环境中的语音交互体验与系统可用性

在 Demo1 端侧检测基础上，Demo2 引入云端视觉理解能力，完成“拍照上传→URL 识图→流式返回→语音播报”的完整链路，并实现简洁/详细识图、场景分析与寻找物品等功能。