AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
基于 MCP 的 ESP32 语音聊天机器人固件,让硬件接入大模型并控制设备。
这是一个运行在 ESP32 系列芯片上的开源聊天机器人固件,以语音交互为入口,调用 Qwen、DeepSeek 等大模型能力。它通过 MCP 协议实现多终端控制:设备端可控制扬声器、LED、舵机、GPIO,云端可扩展智能家居、电脑操作、知识搜索等能力。项目支持 138 个开发板目录、171 个发布变体,覆盖 ESP32、C3、C5、C6、S3、P4 等芯片。
推荐指数
生态成熟、板卡适配广,是 ESP32 语音助手方向最值得上手的开源项目之一。
近 7 天
+352
新增 Star
总 Star 排名
#198
雷达追踪的 3,931 个 AI 仓库中
创建于
2024
2024年8月31日
核心亮点
1MCP 双向扩展
设备端控制外设,云端扩展大模型工具能力。
2板卡覆盖广
支持 138 个开发板目录、171 个发布变体。
3离线语音唤醒
基于 ESP-SR,唤醒词可自定义。
4多种联网方式
Wi-Fi、以太网、USB RNDIS 和 Cat.1 4G。
5实时语音链路
Opus 流式 ASR+LLM+TTS,支持全双工。
适用场景
DIY 语音助手
例如:用 ESP32-S3 面包板按教程搭一个能对话的桌面小助手。
智能硬件原型
例如:在 M5Stack CoreS3 上做带屏幕表情和摄像头的语音终端。
设备控制实验
例如:通过设备端 MCP 用语音控制舵机、LED 和 GPIO。
多语言产品验证
例如:利用 39 种界面语言做面向海外市场的语音硬件 Demo。
它是怎么工作的
第 1 步
语音采集与唤醒
麦克风采集语音,ESP-SR 离线唤醒词触发交互。
第 2 步
音频上传
通过 WebSocket 或 MQTT+UDP 传输 Opus 音频流。
第 3 步
云端识别与生成
服务端完成 ASR、大模型推理和 TTS 合成。
第 4 步
MCP 调用工具
设备端和云端 MCP 分别控制外设与扩展服务。
第 5 步
结果回传播放
音频与显示内容返回设备,屏幕展示表情和画面。
快速上手
- 1
刷写固件
新手可直接刷预编译固件,默认连接 xiaozhi.me 服务器。
- 2
注册账号
在 xiaozhi.me 注册后可免费使用 Qwen 实时模型。
- 3
准备开发环境
安装 VSCode 或 Cursor 及 ESP-IDF 插件,SDK 最低为 ESP-IDF v6.0.1。
- 4
编译烧录
按文档选择对应板卡配置后编译并烧录到设备。
适合谁
- 想入门 ESP32 语音交互的开发者
- 做智能硬件原型的创客和团队
- 需要多板卡适配方案的硬件工程师
不太适合
- 只想做纯软件聊天机器人的开发者
- 不愿接触嵌入式开发环境的新手
成熟度
- 活跃度最近更新于 2026-11-16,仍在持续迭代。
- 文档有独立文档站、多语言 README 和分步教程。
- 社区约 3.3 万 star、近 8000 fork,社区规模大。
- 上手难度提供免环境刷机固件,但二次开发需 ESP-IDF 6.x 环境。
使用前注意
- · 项目要求 ESP-IDF v6.0.1 及以上,5.x 已不支持。
- · 默认连接官方 xiaozhi.me 服务器,自建服务需另行配置。
- · 不同板卡的外设与功能支持存在差异,需对照板卡目录确认。
- · 采用 MIT 许可,商用前建议核对第三方依赖的许可。
