小智 xiaozhi-esp32把一塊 ESP32 做成能聽(tīng)會(huì)說(shuō)的 AI 語(yǔ)音助手【免費(fèi)下載鏈接】xiaozhi-esp32An MCP-based chatbot | 一個(gè)基于MCP的聊天機(jī)器人項(xiàng)目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32對(duì)著桌上的小音箱喊一聲“你好小智”它聽(tīng)完、想清楚再用自己的聲音把答案讀給你聽(tīng)——中間不需要你搭建服務(wù)也不需要會(huì)多少代碼。開(kāi)源項(xiàng)目小智xiaozhi-esp32做的就是這件事讓一塊帶麥克風(fēng)的 ESP32 開(kāi)發(fā)板變成一個(gè)能聽(tīng)懂指令、能接大模型、還能把回答朗讀出來(lái)的語(yǔ)音 AI 助手。它是如何工作的整個(gè)過(guò)程可以拆成三段。第一段發(fā)生在板子本地麥克風(fēng)負(fù)責(zé)拾音喚醒模型也在本地跑只有當(dāng)你喊出喚醒詞時(shí)設(shè)備才真正“醒來(lái)”平時(shí)它只是安靜待命不占用網(wǎng)絡(luò)。第二段把活交給了云端。設(shè)備醒來(lái)后把 Opus 編碼的語(yǔ)音流通過(guò) WebSocket 或 MQTT UDP 發(fā)到服務(wù)器由流式 ASR 把聲音轉(zhuǎn)成文字、大模型Qwen、DeepSeek 這類(lèi)生成回答、再經(jīng) TTS 合成語(yǔ)音如果走 Realtime 端到端語(yǔ)音模型則跳過(guò)文字環(huán)節(jié)直接語(yǔ)音對(duì)語(yǔ)音。第三段是回話。合成好的語(yǔ)音流傳回板子由揚(yáng)聲器播出來(lái)。帶回聲消除AEC的硬件還能做到邊聽(tīng)邊說(shuō)不需要你像打電話那樣等對(duì)方說(shuō)完。先選一塊板子先搞清楚三個(gè)部件各管什么麥克風(fēng)管“聽(tīng)”沒(méi)有它設(shè)備收不到你的聲音揚(yáng)聲器管“說(shuō)”決定你聽(tīng)到的回答清不清晰屏幕OLED 或 LCD管“看”顯示狀態(tài)、表情和電量不是必須但能提升體驗(yàn)。項(xiàng)目目前已覆蓋 138 個(gè)板卡目錄、171 個(gè)固件發(fā)布變體從 ESP32、C3、C5、C6 到 S3、P4 芯片平臺(tái)都有對(duì)應(yīng)支持。常見(jiàn)選擇可以按用途和預(yù)算來(lái)定開(kāi)發(fā)板特點(diǎn)適合場(chǎng)景立創(chuàng)·實(shí)戰(zhàn)派 ESP32-S3集成度高的成品板性?xún)r(jià)比突出第一次上手想少折騰樂(lè)鑫 ESP32-S3-BOX3官方參考板屏幕、麥克風(fēng)、按鍵齊全想體驗(yàn)完整交互M5Stack CoreS3工業(yè)級(jí)品質(zhì)生態(tài)成熟已經(jīng)熟悉 M5 生態(tài)AtomS3R Echo Base體積小、擴(kuò)展靈活想做成桌面小音箱面包板 DIY自己連線組裝想動(dòng)手、預(yù)算最省如果你只是先跑通一次對(duì)話優(yōu)先選帶現(xiàn)成麥克風(fēng)與揚(yáng)聲器的成品板省去接線的坑想自己焊線、控制成本再考慮面包板方案。5 分鐘跑起來(lái)第一條路是直接用預(yù)編譯固件不搭開(kāi)發(fā)環(huán)境。步驟是下載對(duì)應(yīng)板卡的固件二進(jìn)制 → 用燒錄工具寫(xiě)入 → 首次開(kāi)機(jī)完成配網(wǎng) → 注冊(cè)一個(gè)官方服務(wù)器賬號(hào)。固件默認(rèn)接入 xiaozhi.me個(gè)人用戶(hù)注冊(cè)后即可免費(fèi)使用 Qwen 實(shí)時(shí)模型因此配網(wǎng)時(shí)只需準(zhǔn)備兩項(xiàng)信息Wi-Fi 名稱(chēng)SSIDHome_5G Wi-Fi 密碼********設(shè)備支持熱點(diǎn)和 BluFi 兩種配網(wǎng)方式開(kāi)機(jī)后按提示連接熱點(diǎn)、把上面兩行填進(jìn)去即可憑據(jù)會(huì)被存進(jìn)板子的 NVS下次開(kāi)機(jī)自動(dòng)連接。如果你之后想自己改代碼編譯再搭環(huán)境不遲用 Cursor 或 VSCode 裝 ESP-IDF 插件首選 v6.0 及以上的穩(wěn)定版推薦 v6.0.2Linux 比 Windows 編譯更快也更省心。需要自己編譯時(shí)先拉源碼git clone https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32然后在 IDE 里選擇對(duì)應(yīng)板卡的目錄選擇目標(biāo)芯片執(zhí)行配置與編譯即可。第一次對(duì)話與常見(jiàn)故障先按這個(gè)順序驗(yàn)證一步步排除上電指示燈、屏幕有無(wú)反應(yīng)→ 聯(lián)網(wǎng)是否連上 Wi-Fi、是否獲取到地址→ 喚醒喊喚醒詞設(shè)備是否亮起→ 對(duì)話說(shuō)一句話看是否朗讀回答。哪一步卡住問(wèn)題大概率就在那一步。現(xiàn)象可能原因修復(fù)辦法連不上 Wi-FiSSID/密碼輸錯(cuò)或 5G 信號(hào)弱、超出范圍核對(duì)憑據(jù)改用 2.4G 網(wǎng)絡(luò)靠近路由器后重連喚醒詞不應(yīng)答環(huán)境噪聲大或麥克風(fēng)接線/增益不對(duì)換安靜位置再說(shuō)檢查板卡麥克風(fēng)與喚醒模型配置燒錄失敗USB 線只供電、串口驅(qū)動(dòng)缺失、板子沒(méi)進(jìn)下載模式換數(shù)據(jù)線裝對(duì)應(yīng) USB 驅(qū)動(dòng)按住 BOOT 再按 RST 進(jìn)下載態(tài)說(shuō)話有回聲、自己聽(tīng)自己麥克風(fēng)離揚(yáng)聲器太近、缺少 AEC拉開(kāi)麥克風(fēng)與喇叭距離選用帶回聲消除的硬件進(jìn)階玩法用 MCP 擴(kuò)展設(shè)備與云端能力MCPModel Context Protocol是小智用來(lái)“多端控制”的協(xié)議它把設(shè)備能力包裝成一個(gè)個(gè)可被大模型調(diào)用的工具。設(shè)備端可以注冊(cè)本地工具比如音量調(diào)節(jié)、燈光、電機(jī)、GPIO讓大模型直接指揮你的硬件云端則能反過(guò)來(lái)擴(kuò)展模型本身的能力例如智能家居控制、桌面操作、知識(shí)搜索、郵件收發(fā)。想了解交互流程可以看 MCP 用法說(shuō)明設(shè)備端工具的實(shí)現(xiàn)方式在 MCP 協(xié)議文檔。換喚醒詞、字體和界面喚醒詞、聊天背景、表情和字體都支持自定義并可通過(guò)網(wǎng)頁(yè)端在線修改。界面本身提供 38 種語(yǔ)言語(yǔ)音提示優(yōu)先用本地化資源缺失時(shí)自動(dòng)回退到英文。配合 v2 分區(qū)引入的 assets 分區(qū)這些資源可以隨固件之外的方式從網(wǎng)絡(luò)更新不必每次重新燒錄。網(wǎng)絡(luò)、電源與固件的日常建議網(wǎng)絡(luò)穩(wěn)定比追求高速更重要5G 頻段信號(hào)覆蓋不足時(shí)優(yōu)先切回 2.4G。帶電池的設(shè)備注意電量顯示與電源管理長(zhǎng)時(shí)間閑置會(huì)進(jìn)入省電狀態(tài)。固件方面建議定期更新但更新前先讀下面的分區(qū)說(shuō)明避免白忙一場(chǎng)。寫(xiě)在最后遇到卡點(diǎn)時(shí)先從項(xiàng)目文檔入手WebSocket 協(xié)議、MQTT UDP、自定義開(kāi)發(fā)板指南 覆蓋了我們這里沒(méi)展開(kāi)的細(xì)節(jié)更細(xì)的問(wèn)題可以在倉(cāng)庫(kù)的 Issues 或官方社群里提問(wèn)。最后提醒一句v2 與 v1 的分區(qū)表不兼容無(wú)法通過(guò) OTA 直接升級(jí)持有 v1 硬件的用戶(hù)需要用 v2 分區(qū)表手動(dòng)重新燒錄一次固件才能完成遷移?！久赓M(fèi)下載鏈接】xiaozhi-esp32An MCP-based chatbot | 一個(gè)基于MCP的聊天機(jī)器人項(xiàng)目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考