这是indexloc提供的服务，不要输入任何密码
Skip to content

eggfly/xiaozhi-esp32-music

BranchesTags
 
 

Repository files navigation

小智开源音乐固件

（中文 | English | 日本語）

视频

👉 【开源】虾哥ai小智机器音乐播放器纯固件带歌词显示

👉 【开源】虾哥小智音乐播放器纯固件

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，让大家的小智都能播放歌曲。

如果你有任何想法或建议，请随时提出 Issues 或加入 QQ 群：826072986

项目主要贡献者：空白泡泡糖果（B站UP），硅灵造物科技（B站UP）

音乐服务器提供者（为爱发电）：蔓延科技

💡注意事项

1. 如果小智说找不到歌曲怎么办？

进入小智后台，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. 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

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();
            }
        }
    }
}

3. 暂不支持的开发板

  • ESP32C3芯片的开发板

项目改动范围

新增

  • main\boards\common\esp32_music.cc
  • main\boards\common\esp32_music.h

修改

  • main\mcp_server.cc
  • main\boards\common\board.cc
  • main\boards\common\board.h
  • main\application.cc
  • main\application.h
  • main\display\display.cc
  • main\display\display.h
  • main\idf_component.yml

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。

通过MCP控制万物

已实现功能

  • 🎭 丰富的角色定制系统：支持台湾女友、土豆子、English Tutor 等多种预设角色
  • 🎨 个性化配置：自定义助手昵称、对话语言、角色音色和性格介绍
  • 🎵 智能音乐控制：支持 self.music.play_song 工具进行音乐播放控制
  • 📡 Wi-Fi / ML307 Cat.1 4G 网络连接
  • 🗣️ 离线语音唤醒 ESP-SR
  • 🔗 支持两种通信协议（Websocket 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
  • 📺 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）

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》

面包板效果图如下：

面包板效果图

支持 70 多个开源硬件（仅展示部分）

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 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

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

大模型配置

如果你已经拥有一个的小智 AI 聊天机器人设备，并且已接入官方服务器，可以登录 xiaozhi.me 控制台进行配置。

🎭 角色配置指南

在 xiaozhi.me 控制台中，您可以：

  1. 选择角色模板：从台湾女友、土豆子、English Tutor、好奇小男孩、汪汪队队长等预设角色中选择
  2. 设置助手昵称：为您的 AI 伴侣起一个专属的名字（默认：小智）
  3. 配置对话语言：支持普通话、英语、日语等多种语言
  4. 选择角色音色：清澈小何等多种音色可供选择
  5. 自定义角色介绍：详细描述角色的性格特点和背景设定

💡 特别功能：收到音乐相关需求时，小智会优先使用 self.music.play_song 工具，确保音乐播放体验的流畅性。

👉 后台操作视频教程（旧版界面）

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：

使用小智通信协议的第三方客户端项目：

About

小智ai机器人 音乐播放固件

Resources

Readme

License

MIT license
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages

  • C++ 79.9%
  • C 14.1%
  • Python 5.3%
  • Other 0.7%