工程师花上千美元租H100,桌上摆的却是一块二三十块的ESP32。这不是段子,是最近AI圈流传的画面。主角是开源项目xiaozhi-esp32(小智):GitHub星标冲到三万上下,接入设备超过130万台,连央视都报道过。一块板子、一颗麦克风、一个小喇叭,接上大模型,一个能对话的语音助手就诞生了。小红书知乎
评论区里有人顺手淘宝搜了一圈相关硬件,惊呼"打开了新世界大门"。但入坑这件事,真不是20块的事。下单之前,先把三道坎看了。小红书
第一道坎:买哪块板,不是颜值题,是分工题。
乐鑫现在一大家子:C3管简单联网、传感器和蓝牙;S3屏幕、摄像头、语音这摊生态最全,AI语音项目的主力;C6多了WiFi 6,P4走高性能路线。别急着背矩阵,先记一条:你买的板子在小智的支持列表里吗。v2.5.2固件已经铺到154个板型、188个固件包,榜外的板子,就得自己啃文档了。小红书知乎

第二道坎:接线卡住的人少,烧录卡住的人多。
一位知乎玩家用面包板把小智烧录全流程踩完,总结出五道关卡:驱动(CH340/CP2102,Windows不会自动装好)、数据线(灯亮只说明供电通了,充电话线里没有D+/D-两根数据芯)、串口占用(同一时刻只能一个程序打开)、下载模式(自动电路失灵时,按住BOOT再按RST,这个姿势是保命技能)、烧录地址(小智S3合并固件从0x0烧,经典ESP32是0x1000,网上教程两种说法都有,越看越晕)。这五关,每一关都够新手卡一晚。知乎

第三道坎:板子一次性,"脑子"是订阅制。
小智的声音不是那块20块板子发出来的,是云端大模型给的。官方免费后台省事,但负载一高就排队;想要稳定,就得自建服务器,账单是token和GPU。还有个绕不开的问题:一颗24小时在线的麦克风坐在你桌上。再说明显的延迟——有人把官方后台逆向跑通,做出过0.76秒首字延迟的体验;语音断断续续时别急着把缓冲调大,调大只是推迟队列再次装满的时间。知乎知乎
至于除了聊天还能干什么?评论区全是作业:全屏歌词牌、墨水屏听歌、3D打印迷你电视放出15到20帧、摩托车圆屏导航,还有人给小智接上六轴机械臂,对着空气说一句"看到你我就挥挥手",它真挥。也有人拿8美元的板子在本地跑通2890万参数模型,每秒9.5个词——离实用还远,但方向看得见。知乎知乎知乎小红书


所以谁该入坑?只想有个能聊的,买现成整机,最省事;想"自己做出来"的,20块后面跟着的是几晚折腾,换来的是能拍着胸脯说一句"这是我做的"。后者花钱远不止20块,但也真的更好玩。
当前文章无评论,是时候发表评论了