粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
用ESP32做了一个语言模型，就像一个基础版“siri”~
支持对话（语言识别与合成），响应速度几乎在3s以内。
支持触碰交互
通过修改代码，可以设置AI的对话方式和回答风格
支持用于拓展设计，例如：智能MP3、简易版siri/小爱同学、实时翻译工具…
想实现这些功能，软硬件如何设计？会不会很难？
其实，可能比你以为的更简单！
原理图
PCB图
实物图
选用：ESP32S3-WROOM-1-N16R8
INMP441 与 MAX98357A 使用的都是模块
电池插头是1.25间距正接头，仅支持单节3.7v锂电池，typec接口有充电功能，可以给锂电池充电
喇叭：MAX98357A可以推动3w喇叭
串口模块是CH340C，后面有C！
显示屏幕是3.2寸带触摸屏幕
搞定了电路设计，那又要如何实现主要的“对话”功能？
关键词：讯飞、火山引擎
想实现对话功能，起码得让它“听懂”
。这得通过STT（语言转文字）和TTS（语音合成）实现！STT和TTS使用的是讯飞API。PS：注册讯飞账号有试用礼包。
光“听懂”不行啊，得聊起来呀！这就需要大语言模型了。大语言模型不仅能够生成自然语言文本，还能够深入理解文本含义，处理各种自然语言任务，如文本摘要、问答、翻译等。
大语言模型使用的是火山引擎的豆包同款引擎。PS：一样，注册账号可以领取免费试用。
作者亲测，就算是试用，也够玩一阵子了~~
如何连接API？
上面三个API，是从各自官网控制台获取到KEY后，修改代码中相关的字段，才可以正常连接到API。
代码中还需要修改WiFi的连接信息。
一些说明
讯飞的服务使用webscoket连接API，TTS使用了流式处理，一边接收一边播放音频。有时数据处理不严谨会发生错误，这个暂时还没解决，请自行排查修改；STT没有用流式处理（懒），说短句子没有什么影响，发送长句子的话，有一部分时间也是浪费在这里了。
火山引擎使用HTTP连接API（因为火山的webscoket确实没有调通，才疏学浅见笑了），没有做到流式处理，反应时间部分浪费再了这里。
webscoket响应时间短，通信更流畅。
HTTP也够用，是比较传统的方式。
作者OS：我是软件方面的“新手”，目前算是用“用尽方法”实现了想要的功能，代码可供同道新人参考，高手一笑了之。如各位有意复刻此项目，请务必先下载源码进行编译测试，可编译通过再进行复刻尝试，如若不能还请三思。
编译软件：ArduinoIDE 2.3.2
开发板设置
文章的最后，总结一下工作原理：
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-09-19
突发！GPT-4o 级语音 Moshi 开源！
2024-09-19
Qwen2.5 全链路模型体验、下载、推理、微调、部署实战！
2024-09-19
通义千问Qwen2.5开源，媲美Llama3.1-405B
2024-09-19
Qwen 2.5 开源，API 打一折
2024-09-18
OpenAI o1的开源平替版self-replay RL来了！
2024-09-18
Y Combinator 投资的开源 Cursor 替代品来了！
2024-09-18
OpenAI o1式思维链，开源模型也可以有，成功案例来了
2024-09-17
国外Agent产品如何？全面比较AutoGPT与AI Agent
2024-08-13
2024-05-06
2024-06-12
2023-07-01
2024-07-08
2024-07-25
2024-07-11
2024-07-25
2024-07-18
2024-06-16
回到顶部