313 lines
15 KiB
Markdown
313 lines
15 KiB
Markdown
# 超级小智-ESP32
|
||
（中文 | English(编写中) | 日本語(编写中)）
|
||
|
||
基于 https://github.com/78/xiaozhi-esp32 改良的船新版本
|
||
|
||
## 💡介绍
|
||
这是一个由虾哥开源的 ESP32 项目，以 MIT 许可证发布，允许任何人免费使用，或用于商业用途。
|
||
|
||
我们希望通过这个项目，能够帮助大家了解 AI 硬件开发，将当下飞速发展的大语言模型应用到实际的硬件设备中。
|
||
|
||
如果你有任何想法或建议，请随时提出 Issues 或加入 QQ 群：暂无，Telegram群：暂无。
|
||
|
||
项目主要贡献者：小霜霜Meow(抖音、B站UP)、空白泡泡糖果（B站UP），硅灵造物科技（B站UP）
|
||
|
||
贡献者说明：引入部分其它贡献者在其它项目上的代码，并进行了部分修改。
|
||
|
||
音乐服务器、相关源码提供者(为爱发电)：小霜霜Meow
|
||
|
||
音乐服务器源码请见 https://github.com/IntelligentlyEverything/MeowMusicServer
|
||
|
||
### ❕注意事项
|
||
1. 如果小智说找不到歌曲怎么办？
|
||
进入[小智后台](https://xiaozhi.me/)，找到对应设备，修改角色配置
|
||
- 选择 DeepSeekV3 大语言模型
|
||
- 在人物介绍中填入
|
||
- 收到音乐相关的需求时，只使用 MPC tool self.music.play_song 工具，同时禁止使用 search_music 功能。
|
||
|
||
2. 内置API调用失败怎么办？
|
||
请查看具体错误代码后，加入QQ群：865754861，或电报群 http://t.me/MeowMusicServer 给出错误代码和日志，等待我们修复。
|
||
|
||
3. 歌曲播放时唤醒词不生效怎么办？
|
||
|
||
把main\application.cc文件的AddAudioData方法改成如下代码
|
||
|
||
``` c++
|
||
void Application::AddAudioData(AudioStreamPacket&& packet) {
|
||
auto codec = Board::GetInstance().GetAudioCodec();
|
||
if (device_state_ == kDeviceStateIdle && codec->output_enabled()) {
|
||
// packet.payload包含的是原始PCM数据（int16_t）
|
||
if (packet.payload.size() >= 2) {
|
||
size_t num_samples = packet.payload.size() / sizeof(int16_t);
|
||
std::vector<int16_t> pcm_data(num_samples);
|
||
memcpy(pcm_data.data(), packet.payload.data(), packet.payload.size());
|
||
|
||
// 检查采样率是否匹配，如果不匹配则进行简单重采样
|
||
if (packet.sample_rate != codec->output_sample_rate()) {
|
||
// ESP_LOGI(TAG, "Resampling music audio from %d to %d Hz",
|
||
// packet.sample_rate, codec->output_sample_rate());
|
||
|
||
// 验证采样率参数
|
||
if (packet.sample_rate <= 0 || codec->output_sample_rate() <= 0) {
|
||
ESP_LOGE(TAG, "Invalid sample rates: %d -> %d",
|
||
packet.sample_rate, codec->output_sample_rate());
|
||
return;
|
||
}
|
||
|
||
std::vector<int16_t> resampled;
|
||
|
||
// 使用浮点数计算精确的重采样比率Add commentMore actions
|
||
float ratio = static_cast<float>(packet.sample_rate) / codec->output_sample_rate();
|
||
|
||
if (packet.sample_rate > codec->output_sample_rate()) {
|
||
// 降采样：按精确比率跳跃采样
|
||
size_t expected_size = static_cast<size_t>(pcm_data.size() / ratio + 0.5f);
|
||
resampled.reserve(expected_size);
|
||
|
||
for (float i = 0; i < pcm_data.size(); i += ratio) {
|
||
size_t index = static_cast<size_t>(i + 0.5f); // 四舍五入
|
||
if (index < pcm_data.size()) {
|
||
resampled.push_back(pcm_data[index]);
|
||
}
|
||
}
|
||
|
||
ESP_LOGD(TAG, "Downsampled %d -> %d samples (ratio: %.3f)",
|
||
pcm_data.size(), resampled.size(), ratio);
|
||
|
||
} else {
|
||
// 上采样：线性插值
|
||
float upsample_ratio = codec->output_sample_rate() / static_cast<float>(packet.sample_rate);
|
||
size_t expected_size = static_cast<size_t>(pcm_data.size() * upsample_ratio + 0.5f);
|
||
resampled.reserve(expected_size);
|
||
|
||
for (size_t i = 0; i < pcm_data.size(); ++i) {
|
||
// 添加原始样本
|
||
resampled.push_back(pcm_data[i]);
|
||
|
||
// 计算需要插值的样本数
|
||
int interpolation_count = static_cast<int>(upsample_ratio) - 1;
|
||
if (interpolation_count > 0 && i + 1 < pcm_data.size()) {
|
||
int16_t current = pcm_data[i];
|
||
int16_t next = pcm_data[i + 1];
|
||
for (int j = 1; j <= interpolation_count; ++j) {
|
||
float t = static_cast<float>(j) / (interpolation_count + 1);
|
||
int16_t interpolated = static_cast<int16_t>(current + (next - current) * t);
|
||
resampled.push_back(interpolated);
|
||
}
|
||
} else if (interpolation_count > 0) {
|
||
// 最后一个样本，直接重复
|
||
for (int j = 1; j <= interpolation_count; ++j) {
|
||
resampled.push_back(pcm_data[i]);
|
||
}
|
||
}
|
||
}
|
||
|
||
ESP_LOGI(TAG, "Upsampled %d -> %d samples (ratio: %.2f)",
|
||
pcm_data.size(), resampled.size(), upsample_ratio);
|
||
}
|
||
|
||
pcm_data = std::move(resampled);
|
||
}
|
||
|
||
// 确保音频输出已启用
|
||
if (!codec->output_enabled()) {
|
||
codec->EnableOutput(true);
|
||
}
|
||
|
||
// 发送PCM数据到音频编解码器
|
||
codec->OutputData(pcm_data);
|
||
|
||
// 更新最后输出时间，防止OnAudioOutput自动禁用音频
|
||
{
|
||
std::lock_guard<std::mutex> lock(mutex_);
|
||
last_output_time_ = std::chrono::steady_clock::now();
|
||
}
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
### ⚙️已支持硬件芯片系列
|
||
|
||
- ESP32
|
||
- ESP32-S2
|
||
- ESP32-S3
|
||
- ESP32-C2
|
||
- ESP32-C3
|
||
- ESP32-C5
|
||
- ESP32-C6
|
||
- ESP32-C61
|
||
- ESP32-H2
|
||
- ESP32-H4
|
||
- ESP32-H21
|
||
- ESP32-P4
|
||
|
||
❕大部分硬件由于没有进行完整测试，可能会存在一些问题，属于正常现象，具体可提交issues进行反馈。
|
||
|
||
### 项目改动范围
|
||
新增:
|
||
- main/boards/common/music.h
|
||
- main/boards/common/esp32_music.h
|
||
- main/boards/common/esp32_music.cc
|
||
|
||
修改:
|
||
- main/audio/audio_codec.h
|
||
- main/audio/audio_codec.cc
|
||
- main/audio/audio_service.h
|
||
- main/audio/audio_service.cc
|
||
- main/boards/common/board.h
|
||
- main/boards/common/board.cc
|
||
- main/display/display.h
|
||
- main/display/display.cc
|
||
- main/display/lcd_display.h
|
||
- main/display/lcd_display.cc
|
||
- main/application.h
|
||
- main/application.cc
|
||
- main/idf_component.yml
|
||
- main/mcp_server.cc
|
||
|
||
### 基于 MCP 控制万物
|
||
小智 AI 聊天机器人作为一个语音交互入口，利用 Qwen / DeepSeek 等大模型的 AI 能力，通过 MCP 协议实现多端控制。
|
||
|
||
|
||
|
||
### 已实现功能
|
||
|
||
- Wi-Fi / ML307 Cat.1 4G
|
||
- 离线语音唤醒 [ESP-SR](https://github.com/espressif/esp-sr)
|
||
- 支持两种通信协议（[Websocket](docs/websocket.md) 或 MQTT+UDP）
|
||
- 采用 OPUS 音频编解码
|
||
- 基于流式 ASR + LLM + TTS 架构的语音交互
|
||
- 声纹识别，识别当前说话人的身份 [3D Speaker](https://github.com/modelscope/3D-Speaker)
|
||
- OLED / LCD 显示屏，支持表情显示
|
||
- 电量显示与电源管理
|
||
- 支持多语言（中文、英文、日文）
|
||
- 支持 ESP32-C3、ESP32-S3、ESP32-P4 芯片平台
|
||
- 通过设备端 MCP 实现设备控制（音量、灯光、电机、GPIO 等）
|
||
- 通过云端 MCP 扩展大模型能力（智能家居控制、PC桌面操作、知识搜索、邮件收发等）
|
||
本项目新增功能:
|
||
- 新增音乐播放功能，支持播放本地音乐(开发中，敬请期待)、云端音乐(完善中)。
|
||
|
||
## 硬件
|
||
|
||
### 面包板手工制作实践
|
||
|
||
详见飞书文档教程：
|
||
|
||
👉 [《小智 AI 聊天机器人百科全书》](https://ccnphfhqs21z.feishu.cn/wiki/F5krwD16viZoF0kKkvDcrZNYnhb?from=from_copylink)
|
||
|
||
面包板效果图如下：
|
||
|
||
|
||
|
||
### 支持 70 多个开源硬件（仅展示部分）
|
||
|
||
- <a href="https://oshwhub.com/li-chuang-kai-fa-ban/li-chuang-shi-zhan-pai-esp32-s3-kai-fa-ban" target="_blank" title="立创·实战派 ESP32-S3 开发板">立创·实战派 ESP32-S3 开发板</a>
|
||
- <a href="https://github.com/espressif/esp-box" target="_blank" title="乐鑫 ESP32-S3-BOX3">乐鑫 ESP32-S3-BOX3</a>
|
||
- <a href="https://docs.m5stack.com/zh_CN/core/CoreS3" target="_blank" title="M5Stack CoreS3">M5Stack CoreS3</a>
|
||
- <a href="https://docs.m5stack.com/en/atom/Atomic%20Echo%20Base" target="_blank" title="AtomS3R + Echo Base">M5Stack AtomS3R + Echo Base</a>
|
||
- <a href="https://gf.bilibili.com/item/detail/1108782064" target="_blank" title="神奇按钮 2.4">神奇按钮 2.4</a>
|
||
- <a href="https://www.waveshare.net/shop/ESP32-S3-Touch-AMOLED-1.8.htm" target="_blank" title="微雪电子 ESP32-S3-Touch-AMOLED-1.8">微雪电子 ESP32-S3-Touch-AMOLED-1.8</a>
|
||
- <a href="https://github.com/Xinyuan-LilyGO/T-Circle-S3" target="_blank" title="LILYGO T-Circle-S3">LILYGO T-Circle-S3</a>
|
||
- <a href="https://oshwhub.com/tenclass01/xmini_c3" target="_blank" title="虾哥 Mini C3">虾哥 Mini C3</a>
|
||
- <a href="https://oshwhub.com/movecall/cuican-ai-pendant-lights-up-y" target="_blank" title="Movecall CuiCan ESP32S3">璀璨·AI 吊坠</a>
|
||
- <a href="https://github.com/WMnologo/xingzhi-ai" target="_blank" title="无名科技Nologo-星智-1.54">无名科技 Nologo-星智-1.54TFT</a>
|
||
- <a href="https://www.seeedstudio.com/SenseCAP-Watcher-W1-A-p-5979.html" target="_blank" title="SenseCAP Watcher">SenseCAP Watcher</a>
|
||
- <a href="https://www.bilibili.com/video/BV1BHJtz6E2S/" target="_blank" title="ESP-HI 超低成本机器狗">ESP-HI 超低成本机器狗</a>
|
||
|
||
<div style="display: flex; justify-content: space-between;">
|
||
<a href="docs/v1/lichuang-s3.jpg" target="_blank" title="立创·实战派 ESP32-S3 开发板">
|
||
<img src="docs/v1/lichuang-s3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/espbox3.jpg" target="_blank" title="乐鑫 ESP32-S3-BOX3">
|
||
<img src="docs/v1/espbox3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/m5cores3.jpg" target="_blank" title="M5Stack CoreS3">
|
||
<img src="docs/v1/m5cores3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/atoms3r.jpg" target="_blank" title="AtomS3R + Echo Base">
|
||
<img src="docs/v1/atoms3r.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/magiclick.jpg" target="_blank" title="神奇按钮 2.4">
|
||
<img src="docs/v1/magiclick.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/waveshare.jpg" target="_blank" title="微雪电子 ESP32-S3-Touch-AMOLED-1.8">
|
||
<img src="docs/v1/waveshare.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/lilygo-t-circle-s3.jpg" target="_blank" title="LILYGO T-Circle-S3">
|
||
<img src="docs/v1/lilygo-t-circle-s3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/xmini-c3.jpg" target="_blank" title="虾哥 Mini C3">
|
||
<img src="docs/v1/xmini-c3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/movecall-cuican-esp32s3.jpg" target="_blank" title="CuiCan">
|
||
<img src="docs/v1/movecall-cuican-esp32s3.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/wmnologo_xingzhi_1.54.jpg" target="_blank" title="无名科技Nologo-星智-1.54">
|
||
<img src="docs/v1/wmnologo_xingzhi_1.54.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/sensecap_watcher.jpg" target="_blank" title="SenseCAP Watcher">
|
||
<img src="docs/v1/sensecap_watcher.jpg" width="240" />
|
||
</a>
|
||
<a href="docs/v1/esp-hi.jpg" target="_blank" title="ESP-HI 超低成本机器狗">
|
||
<img src="docs/v1/esp-hi.jpg" width="240" />
|
||
</a>
|
||
</div>
|
||
|
||
## 软件
|
||
|
||
### 固件烧录
|
||
|
||
新手第一次操作建议先不要搭建开发环境，直接使用免开发环境烧录的固件。
|
||
|
||
固件默认接入 [xiaozhi.me](https://xiaozhi.me) 官方服务器，个人用户注册账号可以免费使用 Qwen 实时模型。
|
||
|
||
👉 [新手烧录固件教程](https://ccnphfhqs21z.feishu.cn/wiki/Zpz4wXBtdimBrLk25WdcXzxcnNS)
|
||
|
||
### 开发环境
|
||
|
||
- Cursor 或 VSCode
|
||
- 安装 ESP-IDF 插件，选择 SDK 版本 5.4 或以上
|
||
- Linux 比 Windows 更好，编译速度快，也免去驱动问题的困扰
|
||
- 本项目使用 Google C++ 代码风格，提交代码时请确保符合规范
|
||
|
||
### 开发者文档
|
||
|
||
- [自定义开发板指南](main/boards/README.md) - 学习如何为小智 AI 创建自定义开发板
|
||
- [MCP 协议物联网控制用法说明](docs/mcp-usage.md) - 了解如何通过 MCP 协议控制物联网设备
|
||
- [MCP 协议交互流程](docs/mcp-protocol.md) - 设备端 MCP 协议的实现方式
|
||
- [MQTT + UDP 混合通信协议文档](docs/mqtt-udp.md)
|
||
- [一份详细的 WebSocket 通信协议文档](docs/websocket.md)
|
||
|
||
## 大模型配置
|
||
|
||
如果你已经拥有一个小智 AI 聊天机器人设备，并且已接入官方服务器，可以登录 [xiaozhi.me](https://xiaozhi.me) 控制台进行配置。
|
||
|
||
👉 [后台操作视频教程（旧版界面）](https://www.bilibili.com/video/BV1jUCUY2EKM/)
|
||
|
||
## 相关开源项目
|
||
|
||
在个人电脑上部署服务器，可以参考以下第三方开源的项目：
|
||
|
||
- [xinnan-tech/xiaozhi-esp32-server](https://github.com/xinnan-tech/xiaozhi-esp32-server) Python 服务器
|
||
- [joey-zhou/xiaozhi-esp32-server-java](https://github.com/joey-zhou/xiaozhi-esp32-server-java) Java 服务器
|
||
- [AnimeAIChat/xiaozhi-server-go](https://github.com/AnimeAIChat/xiaozhi-server-go) Golang 服务器
|
||
|
||
使用小智通信协议的第三方客户端项目：
|
||
|
||
- [huangjunsen0406/py-xiaozhi](https://github.com/huangjunsen0406/py-xiaozhi) Python 客户端
|
||
- [TOM88812/xiaozhi-android-client](https://github.com/TOM88812/xiaozhi-android-client) Android 客户端
|
||
- [100askTeam/xiaozhi-linux](http://github.com/100askTeam/xiaozhi-linux) 百问科技提供的 Linux 客户端
|
||
- [78/xiaozhi-sf32](https://github.com/78/xiaozhi-sf32) 思澈科技的蓝牙芯片固件
|
||
- [QuecPython/solution-xiaozhiAI](https://github.com/QuecPython/solution-xiaozhiAI) 移远提供的 QuecPython 固件
|
||
|
||
## Star History
|
||
|
||
<a href="https://star-history.com/#IntelligentlyEverything/xiaozhi-esp32&Date">
|
||
<picture>
|
||
<source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=IntelligentlyEverything/xiaozhi-esp32&type=Date&theme=dark" />
|
||
<source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=IntelligentlyEverything/xiaozhi-esp32&type=Date" />
|
||
<img alt="Star History Chart" src="https://api.star-history.com/svg?repos=IntelligentlyEverything/xiaozhi-esp32&type=Date" />
|
||
</picture>
|
||
</a>
|