站长认证

ESP32翻红的幕后推手:一块几十块的板子接麦克风喇叭连大模型就是语音AI入口,MIT开源,还能通过MCP真关灯真控设备
小智AI - 几十块拼一个能聊天的AI硬件(ESP32开源项目31k星)
这两天ESP32在全网翻红,背后最大的推手就是它:开源项目 xiaozhi-esp32(小智AI)——GitHub 31k+ star、MIT 协议,一块几十块钱的 ESP32 开发板,接上麦克风和小喇叭,连上 Qwen / DeepSeek 等大模型,就能得到一个随时待命的语音 AI 入口。代码免费,拿去做产品卖也行。
它是什么
一个跑在 ESP32 芯片上的语音聊天机器人固件:设备端只负责「听你说、把话传上去、把回答念出来」,聪明的大脑放在云端大模型。正是「大模型放云上、终端只管收发」这个架构,让成本压到了几十块——这也是它最近爆火的根本原因:大模型能力外溢到了最便宜的联网芯片上。
更关键的一步棋是 MCP 协议:
- 设备端 MCP:大模型直接控制设备——喇叭、LED、舵机、GPIO,你说「关灯」它真关灯
- 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、收发邮件
等于给 AI 装上了手和脚,不只是个聊天玩具。
功能清单(全部开源)
| 能力 | 说明 |
|---|---|
| 联网方式 | Wi-Fi、有线网口、USB RNDIS、Cat.1 4G(ML307/EC801E/NT26),部分板子 Wi-Fi/4G 可切换 |
| 语音唤醒 | ESP-SR 离线唤醒,唤醒词可自定义 |
| 音频链路 | Opus 流式,传统 ASR+LLM+TTS 或 Realtime 端到端语音模型,支持全双工 |
| 声纹识别 | 识别当前说话的是谁(3D-Speaker) |
| 显示 | OLED/LCD 表情显示,部分板子支持摄像头视觉输入 |
| 设备控制 | MCP 控制 Speaker/LED/舵机/GPIO 等 |
| 多语言 | 39 种界面语言 |
| 芯片支持 | ESP32 / C3 / C5 / C6 / S3 / P4 全系 |
| 个性化 | 唤醒词、字体、表情、聊天背景,在线网页编辑器自定义 |
硬件门槛:极低
两条路:
- 面包板 DIY:官方飞书文档《小智AI聊天机器人百科全书》手把手教,一块 ESP32-S3 + 麦克风 + 喇叭就能搭
- 现成开发板:支持 138 种板子、171 个发布变体——立创 ESP32-S3 实战派、乐鑫 ESP32-S3-BOX-3、M5Stack CoreS3、微雪 AMOLED 触屏板等,买来刷固件即用
固件持续活跃更新:已要求 ESP-IDF v6.0.1+,支持到 ESP32-P4,音频管线与安全性持续加固。
适合谁
- 想入坑 AI 硬件的开发者:比树莓派便宜一个数量级,教程和社区都成熟
- 给孩子做 AI 玩具/学习伙伴:陪聊、练口语、答十万个为什么
- 智能家居玩家:语音入口 + MCP 直控设备,可接 Home Assistant 生态
- 想做小产品的创业者:MIT 协议允许商用,立创等厂已有现成小智方案板
仓库:https://github.com/78/xiaozhi-esp32 (MIT,中文文档齐全,另有服务端开源版 xiaozhi-esp32-server 可自建后端)
暂无评论
