宗主 Zongzhu Bot - ESP32圆屏语音终端（会眨眼的Grok Bot入口+本地语音点歌）

宗主（Zongzhu Bot） 是一个开源 ESP32 语音终端项目：一块微雪 1.75 寸圆屏 AMOLED 开发板，配上跑在你电脑上的后端。唤醒后对它说一句话——要查、要做的派给你的 Grok Bot，放歌、暂停、调音量电脑上马上执行。屏幕上还有一对会眨眼、会跟手、被摇晕了会晕的眼睛。

它怎么干活

宗主板子 ⇄ 电脑上的后端 ⇄ Grok Bot，三段分工：

• 板子负责听和说。语音识别在本地离线跑（X-ASR），中英混说也能认——"帮我看一下 GitHub 上的 issue"能认对；还有热词和识别后纠错，"你好宗猪"会自动改成"你好宗主"
• 后端负责听懂这句话交给谁：放歌/暂停/音量这类本机指令电脑直接执行，其余的话原样交给你的 Grok Bot，回复朗读出来，长回复自动滚动
• 断线期间的回复不会漏，下次连上自动补发；对话中再说"你好宗主"只回一声"我在"，不会误当成新任务

几个亮点

• 给 Bot 派活：唤醒后直接说"帮我把这周的 X 热点整理一下"，不用加"让机器人"之类的前缀。等待时屏幕显示秒数，回复到了就朗读，读完保留全文
• 本机点歌（可选，默认关）："放周杰伦的晴天"约 1.5 秒后歌就在电脑上响起来。先搜网易云，没原唱再同时搜 QQ、酷狗、酷我、咪咕，自动跳过翻唱、Live、remix 和冒名上传，同版本挑码率最高的。识别错了也能放——"晴天"被认成"请帖"，按读音照样找到《晴天》
• 屏幕会动：13 种实时绘制的眼睛表情跟着状态切换，触摸、倾斜、摇晃都有反应；字幕完整/简洁/关闭三种模式，长按 BOOT 键切换
• 小米智能音箱 Pro（实验）：给音箱刷 open-xiaoai 补丁固件后直接连宗主后端，喊"宗主"派活，回答从音箱里念出来，念的时候喊"宗主"能打断；小爱同学照常能用（仅在 OH2P、固件 1.62.2 上完整验证过，刷机有变砖风险）

需要准备

• 板子：微雪 ESP32-S3-Touch-AMOLED-1.75C，或立创·实战派 ESP32-S3
• 电脑：一台常开的 Mac（Apple 芯片上验证过）跑后端，和板子同一个 2.4GHz 局域网；有公网服务器也可以部署上去
• Bot：你的 Grok Bot 要提供 Webhook，并且能往这台电脑写文件，回复才能回到板子上

快速开始

Chrome/Edge 打开项目的网页刷机页，USB 接上板子。先按网页给出的一行命令装后端（自动装依赖、下约 200MB 语音模型、问你要 Bot Webhook 地址），然后回网页按 6 步走完：识别板子 → 选唤醒词 → 选样式 → 填后端地址 → 填 Wi-Fi → 刷入。说完"你好宗主"能对上话就通了。

安全提醒（README 写得很实在）

• 只在局域网里用，别把后端 8000、8003 端口暴露到公网；放服务器要只监听本机 + 开设备白名单
• Bot 能做的事语音都能触发——它有什么权限（发消息、改文件、花钱），语音就能让它干什么，权限给多大自己掂量
• 本机点歌用的 go-music-dl 会监听局域网 18080 端口，音乐来自各平台非官方接口，只限个人自用

项目信息

• 基于 78/xiaozhi-esp32 固件 + xinnan-tech/xiaozhi-esp32-server 后端的社区项目（上游都是 MIT），不是小智、Grok 或 xAI 官方项目
• 作者自己的改动集中在固件 zongzhu 层、grokBot 接入层和网关/点歌，上游基线记录在 UPSTREAM.json，方便以后跟上游合并
• 2026-10-16 创建，247 star，还很年轻，但主链路（听 → 识别 → 派活 → 朗读）已经跑通
• 本仓库代码 MIT 许可