【征文计划】基于Rokid CXR-M SDK 打造AI 实时会议助手：从连接到自定义界面的完整实践

【征文计划】基于Rokid CXR-M SDK 打造AI 实时会议助手：从连接到自定义界面的完整实践

摘要：本文基于 Rokid CXR-M SDK，详细阐述如何构建一个面向商务会议场景的“AI 实时会议助手”应用。通过手机端与 Rokid 智能眼镜的协同，实现语音转写、要点提炼、提词引导、多语翻译与会后纪要自动生成。文章涵盖从环境配置、蓝牙/Wi-Fi 连接、设备控制、AI 场景交互到自定义 UI 渲染的完整开发流程，并提供关键代码示例与最佳实践建议。

一、引言：为什么需要一个“AI 会议助手”？

在快节奏的职场环境中，会议是信息传递与决策的核心场景。然而，传统会议存在诸多痛点：

• 信息遗漏：参会者忙于记录，无法专注倾听；
• 语言障碍：跨国会议中实时翻译需求迫切；
• 效率低下：会后整理纪要耗时耗力；
• 操作干扰：频繁操作手机/电脑打断会议节奏。

Rokid 智能眼镜凭借其免手持、第一视角、低干扰的特性，天然适合作为会议信息的呈现终端。而 CXR-M SDK 正好提供了手机端与眼镜端协同开发的完整能力。本文将基于该 SDK，手把手教你构建一个真正可落地的“AI 实时会议助手”。

二、技术架构设计

我们的系统采用 “手机为大脑，眼镜为窗口” 的双端架构：

• 手机端（Android App）：
  1. 负责蓝牙/Wi-Fi 连接管理；
  2. 调用云端大模型进行 ASR（语音识别）、NLU（语义理解）、TTS（语音合成）；
  3. 处理多语翻译、会议纪要生成；
  4. 通过 CXR-M SDK 与眼镜通信。
• 眼镜端（Rokid Glasses）：
  1. 接收并渲染实时转写文本、翻译字幕；
  2. 在用户发言时自动推送提词内容；
  3. 支持拍照记录白板、文档；
  4. 所有交互通过语音或功能键触发，无需手动操作。

✅ 核心优势：眼镜端无需开发原生应用，所有 UI 均通过 CXR-M SDK 的 自定义页面（Custom View） 动态生成。

三、开发环境准备

3.1 项目配置

在 settings.gradle.kts 中添加 Rokid Maven 仓库：

dependencyResolutionManagement { repositoriesMode.set(RepositoriesMode.FAIL_ON_PROJECT_REPOS) repositories { maven { url = uri("https://maven.rokid.com/repository/maven-public/") } google() mavenCentral() } }

在 build.gradle.kts 中导入 SDK 依赖，并设置 minSdk = 28：

android { defaultConfig { minSdk = 28 } } dependencies { implementation("com.rokid.cxr:client-m:1.0.1-20250812.080117-2") // 其他依赖（如 Retrofit、OkHttp）按文档要求添加 }

SDK文档：https://custom.rokid.com/prod/rokid_web/57e35cd3ae294d16b1b8fc8dcbb1b7c7/pc/cn/9d9dea4799ca4dd2a1176fedb075b6f2.html?documentId=d2ba1c8040964577a43b394d8f7dc814

3.2 权限声明与动态申请

在 AndroidManifest.xml 中声明必要权限：

<uses-permission android:name="android.permission.ACCESS_FINE_LOCATION" /> <uses-permission android:name="android.permission.BLUETOOTH" /> <uses-permission android:name="android.permission.BLUETOOTH_ADMIN" /> <uses-permission android:name="android.permission.BLUETOOTH_SCAN" /> <uses-permission android:name="android.permission.BLUETOOTH_CONNECT" /> <uses-permission android:name="android.permission.ACCESS_WIFI_STATE" /> <uses-permission android:name="android.permission.CHANGE_WIFI_STATE" /> <uses-permission android:name="android.permission.INTERNET" />

在 MainActivity 中动态申请权限（关键代码）：

private val REQUIRED_PERMISSIONS = mutableListOf( Manifest.permission.ACCESS_FINE_LOCATION, Manifest.permission.BLUETOOTH, Manifest.permission.BLUETOOTH_ADMIN, ).apply { if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.S) { add(Manifest.permission.BLUETOOTH_SCAN) add(Manifest.permission.BLUETOOTH_CONNECT) } }.toTypedArray() override fun onCreate(savedInstanceState: Bundle?) { requestPermissions(REQUIRED_PERMISSIONS, REQUEST_CODE_PERMISSIONS) }

⚠️ 注意：权限未授予时，SDK 将无法工作。

四、设备连接：蓝牙 + Wi-Fi 双通道

4.1 蓝牙连接（基础通道）

使用标准 Android Bluetooth API 扫描设备，并通过 Rokid 专属 UUID 过滤：

val scanFilter = ScanFilter.Builder() .setServiceUuid(ParcelUuid.fromString("00009100-0000-1000-8000-00805f9b34fb")) .build()

连接流程分为两步：

1. 初始化蓝牙：

CxrApi.getInstance().initBluetooth(context, device, callback)

1. 建立连接（使用 onConnectionInfo 回调中的 socketUuid 和 macAddress）：

CxrApi.getInstance().connectBluetooth(context, socketUuid, macAddress, callback)

连接成功后，可通过 isBluetoothConnected 实时监听状态。

4.2 Wi-Fi P2P 连接（高速通道）

Wi-Fi 用于传输图片、视频等大文件，需在蓝牙连接成功后初始化：

CxrApi.getInstance().initWifiP2P(object : WifiP2PStatusCallback { override fun onConnected() { Log.d("WiFi", "P2P connected") } override fun onFailed(errorCode: CxrWifiErrorCode?) { // 处理错误：如手机 Wi-Fi 未开启 } })

💡 最佳实践：Wi-Fi 模块高耗电，仅在需要同步媒体文件时开启，完成后立即 deinitWifiP2P()。

五、核心功能实现

5.1 实时语音转写与要点提炼

手机端流程：

1. 通过 openAudioRecord(1, "meeting") 开启 PCM 格式录音；
2. 将音频流发送至 ASR 服务（如讯飞、阿里云）；
3. 收到转写文本后，调用大模型提取关键信息（如待办事项、决策点）。

推送至眼镜：

• 使用 自定义页面 动态更新转写内容：

[ { "action": "update", "id": "transcript_text", "props": { "text": "刚才提到Q3预算需增加20%..." } } ]

• 若检测到“待办事项”，高亮显示：

{ "action": "update", "id": "todo_item", "props": { "text": "✅ 张三：周三前提交方案", "textColor": "#FF00FF00" } }

5.2 智能提词器（发言辅助）

当用户需要发言时，App 自动推送提纲：

1. 打开提词器场景：

CxrApi.getInstance().controlScene(CxrSceneType.WORD_TIPS, true, null)

1. 配置显示参数（居中、大字体）：

CxrApi.getInstance().configWordTipsText( textSize = 24f, lineSpace = 1.5f, mode = "normal", startPointX = 0, startPointY = 300, width = 1200, height = 600 )

1. 发送提词内容：

val script = "各位同事，关于新项目，我想强调三点..." CxrApi.getInstance().sendStream( CxrStreamType.WORD_TIPS, script.toByteArray(), "meeting_script.txt", callback )

5.3 实时多语翻译

1. 打开翻译场景：

CxrApi.getInstance().controlScene(CxrSceneType.TRANSLATION, true, null)

1. 配置显示区域（底部居中）：

CxrApi.getInstance().configTranslationText( textSize = 20, startPointX = 200, startPointY = 800, width = 800, height = 100 )

1. 推送翻译结果（按 VAD 分段）：

// vadId=1 表示第一段语音 CxrApi.getInstance().sendTranslationContent( vadId = 1, subId = 0, temporary = false, finished = true, content = "The budget needs to be increased by 20%." )

🌐 提示：眼镜端自动进入远场拾音模式，仅拾取他人语音。

5.4 白板/文档拍照与同步

1. 触发拍照（通过功能键长按或语音指令）：

// 在 AI 场景中拍照，结果通过蓝牙返回 CxrApi.getInstance().takeGlassPhoto(1920, 1080, 80, photoCallback)

1. 监听未同步文件数量：

CxrApi.getInstance().getUnsyncNum { _, _, pictureNum, _ -> if (pictureNum > 0) startSyncPictures() }

1. 通过 Wi-Fi 同步图片：

CxrApi.getInstance().startSync( savePath = getExternalFilesDir(Environment.DIRECTORY_PICTURES)?.absolutePath ?: "", types = arrayOf(CxrMediaType.PICTURE), callback = syncCallback )

六、自定义 UI：打造专属会议界面

CXR-M SDK 的 Custom View 是本项目的核心亮点。我们设计一个包含三区域的会议界面：

• 顶部：会议标题与状态
• 中部：实时转写/翻译
• 底部：操作提示（如“长按拍照”）

6.1 初始化 JSON

{ "type": "LinearLayout", "props": { "layout_width": "match_parent", "layout_height": "match_parent", "orientation": "vertical", "backgroundColor": "#FF000000" }, "children": [ { "type": "TextView", "props": { "id": "title", "layout_width": "wrap_content", "layout_height": "wrap_content", "text": "Q3 项目评审会", "textSize": "18sp", "textColor": "#FF00FF00", "gravity": "center", "paddingTop": "50dp" } }, { "type": "TextView", "props": { "id": "content", "layout_width": "match_parent", "layout_height": "0dp", "layout_weight": "1", "text": "等待语音输入...", "textSize": "16sp", "textColor": "#FF00FF00", "gravity": "top|start", "padding": "30dp" } }, { "type": "TextView", "props": { "id": "hint", "layout_width": "wrap_content", "layout_height": "wrap_content", "text": "长按功能键拍照", "textSize": "12sp", "textColor": "#888888", "gravity": "center", "paddingBottom": "30dp" } } ] }

6.2 动态更新内容

fun updateTranscript(text: String) { val updateJson = """ [ { "action": "update", "id": "content", "props": { "text": "$text" } } ] """.trimIndent() CxrApi.getInstance().updateCustomView(updateJson) }

6.3 上传图标（可选）

如需显示状态图标（如麦克风、翻译标志），需提前上传 Base64 图片：

val icon = IconInfo("mic_icon", base64String) CxrApi.getInstance().sendCustomViewIcons(listOf(icon))

📏 限制：图片 ≤128×128px，建议使用纯绿色通道（#00FF00）以确保显示效果。

七、会后自动化：生成结构化纪要

会议结束后，App 自动整合以下内容：

• 全程转写文本；
• AI 提取的待办事项；
• 拍摄的白板/文档图片；
• 会议元数据（时间、参与人）。

最终生成 Markdown 格式纪要：

# Q3 项目评审会纪要 **时间**：2025-04-27 14:00 **参会人**：张三、李四、王五 ## 关键结论 - 预算增加 20% - 新功能上线延期至 6 月 ## 待办事项 - [ ] 张三：周三前提交详细方案 - [ ] 李四：联系供应商确认报价 ## 附件 

支持一键分享至企业微信、钉钉或邮箱。

八、错误处理与用户体验优化

8.1 网络异常

• 监听 ASR/TTS 失败，调用 notifyNoNetwork() 或 notifyAiError()；
• 眼镜端显示友好提示：“网络中断，请检查连接”。

8.2 设备状态监听

• 实时监听电量、音量、亮度，自动调整：

CxrApi.getInstance().setBatteryLevelUpdateListener { level, charging -> if (level < 10 && !charging) { // 提示低电量 } }

8.3 会话管理

• 会议开始时 setScreenOffTimeout(3600)（1小时不熄屏）；
• 会议结束时 notifyGlassShutdown() 节省电量。

九、总结与展望

本文完整展示了如何利用 Rokid CXR-M SDK 构建一个高价值的“AI 实时会议助手”。我们充分利用了 SDK 的以下能力：

• 蓝牙/Wi-Fi 双通道连接；
• AI 场景交互（ASR/TTS/拍照）；
• 提词器与翻译场景；
• 自定义页面动态渲染；
• 媒体文件同步。

该方案不仅技术可行，且直击用户痛点，具备极强的落地潜力。未来可进一步扩展：

• 接入企业知识库，实现智能问答；
• 支持多人眼镜协同，打造沉浸式会议空间；
• 结合 AR 标注，实现远程协作指导。