支持私有化部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


真开源了?!大佬手搓AI助手,可离线使用DeepSeekR1

发布日期:2025-03-03 20:29:03 浏览次数: 2676 作者:立创开源硬件平台
推荐语

**自己打造AI助手,实现离线智能生活!**

核心内容:
1. AI-Box离线DeepSeekR1助手的开源项目介绍
2. 功能亮点与硬件设计详解
3. 开源模型切换与嵌入式学习案例应用

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家


前言

这是一个特别的AI小助手——AI-Box

不用联网!

就能用DeepSeek!

且是深度思考R1版本!

除此之外,还支持所有开源模型……

依然是全开源的好项目!

开发文档

image.png

开源资源包

它是怎么设计出来的(2-3章)原理是什么(2-3章)还有什么功能&亮点(第1章)制作成本是多少(第4章)开源网址有吗(第5章)

下文咱们一个个探索~



01
功能&亮点

AI-Box基于立创·泰山派RK3566设计,主要功能&亮点如下:

1

支持离线本地对话DeepSeek-R1/Qwen/Gemini等开源模型(即开即用,无需联网、无需付费)

2

支持离线获取实时天气、温湿度

是娱AI小助手,也是生活小助手~

3

支持语音控制自身灯光

引出串口,可充当语音模块

4

支持电池供电,出门玩也能带它!

5

支持功能拓展:可以基于现有框架,将AI-Box打造成——离线语音模块,充当家庭控制终端,智能机器人,多模态机器人等等

6

可以作为嵌入式学习案例因为本项目不涉及设备树,无需编译Linux系统,大大简化了操作,当然,还是需要具备一定的Linux知识的!

咋切换开源模型

后续模型权重下载好后,修改模型名称就行

不到1分钟就能换一个开源模型!

img_v3_02k1_500d9b6d-7e7b-4a5e-8abd-abd034dd2d8g.png



02
硬件设计

电路由这5部分组成——电源电路、泰山派IO拓展口,防反接电路,开关电路,模块及拓展接口。

image.png

原理图

image.png

PCB图

01 
硬件参数

  • 本设计基于泰山派RK3566,内置WIFI功能,通过AP模式遥控

  • 屏幕支持0.96寸SSD1306/SSD1315驱动OLED显示屏,实现显示表情、对话反馈、天气等相关信息

  • 选用IP5306充放一体电源芯片,提供最大2.1A输出,为泰山派供电

  • 选用AHT10高精度温湿度传感器,可实时获取温度、湿度信息。

  • 选用驻极体麦克风,可实时获取环境音频信息。

  • 选用8R1W喇叭,提供音频输出。

  • 采用MOS管开关电路,支持驱动较大功率LED灯板。

  • 采用防反接电路,可任选Type-C接口供电。


02 
原理解析

  • 供电:本项目采用IP5306锂电池充放一体芯片,可提供最大2.1A电流输出。

  • 拓展IO:功能实现依赖于泰山派提供的IO口控制,这里为需要使用的引脚做好定义

  • 防反接:由于泰山派的DC-DC 3.3V对输入电压有较高要求,输入电压不能低于4.5V,所以这里采用MOS管和三极管实现防反接,而不是二极管。

  • 开关控制:在电路中还设计了一个MOS驱动的开关电路,帮助驱动较大电流的LED。

  • 拓展接口:拓展引出UART串口,方便充当离线语言模块对接其他主控使用。

  • 拓展模块:模块上使用OLED模块和AHT10模块,再通过音频接口引出麦克风和扬声器。

  • 按键:引出3个按键,用于与屏幕交互。



03
软件设计

AI-BOX是如何做到离线对话的如何通过软件设计,实现这个功能?

01 
软件参数

  • 系统基于Ubuntu20.04

  • 环境为Python3.8

  • 软件框架为Vosk+Ollama+espeak-ng

  • 模型权重为DeepSeek-R1 1.5B/Qwen2 0.5B


02 
软件流程图


image.png


03 
程序编写(9步)

接下来,咱们直接“上手”!

①导入库文件

一切开始前先导入我们需要使用的pip库。

import time# 导入时间模块,用于控制延时import vosk# 导入 Vosk 语音识别库import json# 导入 JSON 解析库import subprocess# 用于调用外部进程(如语音合成)import ollama# 导入 Ollama,用于聊天 AI 处理import asyncio# 导入 asyncio 以支持异步操作import pyaudio# 导入 PyAudio 处理音频输入import threading# 导入多线程模块import re# 导入正则表达式模块,用于文本处理from concurrent.futures import ThreadPoolExecutor# 用于异步任务的线程池from board import *# 导入 board 库,用于 I2C 设备的引脚定义import busio# 用于 I2C 通信from PIL import Image, ImageDraw, ImageFont# 用于处理 OLED 显示图像import adafruit_ssd1306# 用于控制 SSD1306 OLED 屏幕

②定义变量

定义一些模型路径,字符路径等变量。

这里为了避免内存超出,MAX_HISTORY_LENGTH限制会话最多保存1条,如果你设备内存或虚拟内存足够,可以增加。

# 选择合适的字体font_path = "/usr/share/fonts/truetype/noto/NotoSansCJK-Regular.ttc"# OLED 屏幕显示的字体路径font = ImageFont.truetype(font_path, 16)# 设置字体大小适应屏幕
# 初始化 I2C 设备i2c = busio.I2C(I2C2_SCL, I2C2_SDA)# 通过 I2C2_SCL 和 I2C2_SDA 初始化 I2C 通信disp = adafruit_ssd1306.SSD1306_I2C(128, 64, i2c)# 通过 I2C 初始化 128x64 分辨率的 OLED 屏幕
# 清空屏幕disp.fill(0)disp.show()
# 获取屏幕宽高width = disp.widthheight = disp.height
# 创建一个空白图像用于绘制image = Image.new("1", (width, height))draw = ImageDraw.Draw(image)
# 设置 Vosk 语音识别模型路径,根据自己的路径设置model_path = "/home/linaro/vosk-model-small-cn-0.22"model = vosk.Model(model_path)# 加载 Vosk 语音识别模型recognizer = vosk.KaldiRecognizer(model, 16000)# 以 16kHz 采样率初始化语音识别器
# 记录会话历史conversation_history = [{"role": "system", "content": "你是嘉立创EDA-小嘉,是一个运行在泰山派上的离线本地大模型语音助手。"},]MAX_HISTORY_LENGTH = 1# 限制会话历史的最大条数asr_running = False# 语音识别时的动画状态控制变量

③OLED文本显示函数

屏幕显示这里进行了封装,确保每次显示前能自动清屏,同样的限制只能显示8个字符,避免超出显示长度。

def show_on_oled(text):draw.rectangle((0, 0, width, height), outline=0, fill=0)# 清除屏幕draw.text((0, 0), text[:8], font=font, fill=255)# 仅显示前8个字符disp.image(image)# 更新屏幕内容disp.show()

④动画表情绘制函数

动画表情直接利用库函数绘制圆和弧线实现。

def draw_face(mouth_state=0): """显示不同表情的脸部动画"""draw.rectangle((0, 0, width, height), outline=0, fill=0)# 清空屏幕
# 绘制眼睛draw.ellipse((32, 15, 40, 25), outline=255, fill=255)# 左眼draw.ellipse((88, 15, 96, 25), outline=255, fill=255)# 右眼
# 嘴巴动画if mouth_state == 0:draw.line((50,50, 78, 50), fill=255, width=2)# 直线嘴巴elif mouth_state == 1:draw.arc((50, 40, 78, 60), start=0, end=180, fill=255)# 微笑嘴巴elif mouth_state == 2:draw.ellipse((58, 50, 70, 60), outline=255, fill=255)# 张嘴嘴巴
disp.image(image)# 更新屏幕内容disp.show()

⑤嘴巴动画

嘴巴动画通过该函数来控制变换,因为采用了多线程,可以避免动画影响Vosk识别语音。
def asr_animation():global asr_runningframe = 0while asr_running:draw_face(frame % 3)# 按 0、1、2 的顺序切换嘴巴形态frame += 1time.sleep(0.2)# 控制动画速度

⑥Vosk 语音识别

怎么实现边录边传?

配置音频采样率16kHz,然后设置一个20480帧的缓冲区大小(约1.28s),16位PCM格式

然后配置asr_running 全局标志用于控制动画线程运行,独立线程运行asr_animation实现非阻塞式用户体验。

这里循环中启用流式传输,每次读取 2048 字节(约 128ms )实现非阻塞读取:exception_on_overflow=False 允许忽略缓冲区溢出错误,这样无需等待完整录音文件,实现边录边传

def recognize_speech(p):global asr_runningstream = p.open(format=pyaudio.paInt16,channels=1,rate=16000,input=True,frames_per_buffer=20480)stream.start_stream()print("正在识别语音...")asr_running = True# 启动动画animation_thread = threading.Thread(target=asr_animation)# 创建动画线程animation_thread.start()try:while True:data = stream.read(2048, exception_on_overflow=False)# 读取音频数据if recognizer.AcceptWaveform(data):# 处理音频流result = recognizer.Result()# 获取识别结果result_json = json.loads(result)# 解析 JSON 数据if "text" in result_json:text = result_json['text']# 提取识别文本print(f"识别到的文字: {text}")asr_running = False# 停止动画animation_thread.join()# 等待动画线程结束draw_face(1)# 识别完成后显示微笑表情time.sleep(1)
# 释放音频资源stream.stop_stream()stream.close()return textexcept IOError:pass
# 释放资源asr_running = Falseanimation_thread.join()stream.stop_stream()stream.close()

⑦保留中文字符

说出来的话,要转换成文字呀!如何只保留中文字符,避免识别出乱码呢?

由于我们使用的espeak-ng是轻量化的,只能支持一种语言,所以这里我们要过滤掉除中文外的文字和特殊符号

这里使用正则表达式"[^\u4e00-\u9fa5,。!?]"。

正则表达式中的方括号表示字符集^符号在开头表示取反,也就是匹配不在这个字符集里的任何字符。所以这个正则表达式的作用是匹配所有不属于指定Unicode范围的字符,以及标点符号,。!?。

def clean_text(text):return re.sub(r"[^\u4e00-\u9fa5,。!?]", "", text)

⑧模型处理

已经搞定了语音识别转文字了,那怎么让模型“理解”它的含义呢?

——将语音识别的文字传给Ollama然后交给模型处理,使用stream=True实现流式逐块生成,然后通过for chunk in response: if 'message' in chunk and 'content' in chunk['message']:典型的流式响应处理模式,主要用于处理流式返回的数据结构

async def generate_and_play_text(input_text):draw_face(1)# 显示微笑表情time.sleep(1)conversation_history.append({"role": "user", "content": input_text})# 记录用户输入response = ollama.chat(model="qwen2:0.5b", messages=conversation_history, stream=True)# AI 生成回答generated_text = ""for chunk in response:if 'message' in chunk and 'content' in chunk['message']:raw_text = chunk['message']['content']clean_tts_text = clean_text(raw_text)# 清理文本generated_text += raw_textshow_on_oled(raw_text)print(f"当前生成: {generated_text}")if clean_tts_text:# 确保有中文内容才播放
# 显示在 OLED 上subprocess.run(['espeak-ng', '-v', 'zh', clean_tts_text])# 语音朗读
conversation_history.append({"role": "assistant", "content": generated_text})# 记录 AI 回应draw_face(1)# 结束后显示微笑time.sleep(1)

⑨主函数

如何让动画和语音识别,能共同运行,且互不干涉呢?

这里max_workers=2 采用双线程实现互不干涉。然后通过pyaudio库用于输入音频数据,代入我们前面创建的函数中。

async def main():loop = asyncio.get_event_loop()# 获取事件循环executor = ThreadPoolExecutor(max_workers=2)# 线程池用于并发任务p = pyaudio.PyAudio()# 创建 pyaudio 实例while True:recognized_text = await loop.run_in_executor(executor, recognize_speech, p)# 识别语音await generate_and_play_text(recognized_text)# 生成回答并朗读p.terminate()# 释放音频资源if __name__ == "__main__":asyncio.run(main())# 运行主程序



04
成本说明

如果你没有泰山派

本项目的DIY成本为193.5元153.5元

如果你已经有了泰山派

那么本项目的DIY成本仅需25.5元

*立创·泰山派是一款开源的卡片电脑,提供全面开放的软硬件资料参数资源如下:

image.png

如果你想尝试复刻AI-BOX

想采购泰山派

那您真来巧啦!

泰山派正进行限时特价!

直降40元!


1G+0G版本的泰山派

不要168!

仅需128!


2G+16G版本的泰山派

不要228!

仅需188元!


扫码即可抢购

无标题-2.png

电脑端打开:https://lckfb.com/project/detail/lctspi-2g-16g

扫码后,4步领取优惠

直接下单即可 00_00_00-00_00_30.gif

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询