自己做一台會聊天的 AI 音箱：麵包板接一接，全程不用寫程式

張貼者： 日期：

有個叫「小智」的開源專案（xiaozhi-esp32），在 GitHub 上累積了 3.2 萬顆星、7,700 個分支。它能把一塊幾百塊的開發板，變成一台會跟你對話、還能開家裡電燈的 AI 音箱。最關鍵的是：官方有提供燒進去就能用的現成韌體，你完全不用寫程式，也不用裝開發環境。喚醒詞是在晶片本機跑的，而且官方支援繁體中文。

用麵包板和杜邦線把 ESP32 開發板、麥克風模組、音訊擴大器與喇叭接成一台 AI 語音助理

做出來可以幹嘛？

先看它實際能做什麼，再決定要不要花這個錢。

我看了幾支實作影片，示範的大概是這幾種：問它「蘋果的創辦人是誰」，它會直接講出來；問「現在某某城市天氣如何」，它會報氣溫跟天候；然後最有意思的——說「打開工作室第一盞燈」，燈就開了。

最後那個是因為它可以接上智慧家庭系統（例如 Home Assistant）。所以它不只是一台會回話的音箱，是真的可以動你家裡東西的。

另外一個跟市售音箱很不一樣的地方：你可以自己設定它的個性。在網頁後台有一個欄位讓你寫「它是誰」，你可以叫它當你的工作室管理員、當老師、當櫃檯接待，它講話的方式就會跟著變。還可以選聲音、選語言、自訂喚醒詞。

要買哪些東西

這是一個需要接線的專案，但不需要焊接——用麵包板跟杜邦線就可以。官方 README 有一段叫「麵包板 DIY 實作」，附了接線照片跟教學文件。

小智專案官方提供的麵包板接線實拍照，開發板與各模組用杜邦線連接，不需要焊接
官方提供的麵包板接線範例。圖／xiaozhi-esp32 官方 GitHub

核心的四樣

  • ESP32-S3 開發板：建議選記憶體大一點的版本（常見的標示是 N16R8，代表 16MB 儲存空間加 8MB 記憶體）
  • 數位麥克風模組：型號 INMP441，這是最多教學在用的
  • 音訊擴大器模組：型號 MAX98357，負責把聲音推到喇叭
  • 喇叭：8 歐姆、2 瓦的小喇叭就夠

再加一塊麵包板跟一包杜邦線。整組加起來大概就是一兩千塊的量級（實際價格各家不同，請自己查）。

想省事的話，有更簡單的路

如果你不想接線，官方支援 138 種開發板、171 個版本，其中有不少是「本身就把麥克風喇叭螢幕都做好」的現成品，買回來直接燒韌體就能用。官方列出來的包括樂鑫自己的 ESP32-S3-BOX-3、M5Stack CoreS3、Waveshare 的觸控螢幕板等等。

這條路貴一點但完全不用接線，適合只想體驗成果的人。

實際步驟

一：燒韌體（不用裝開發環境）

這是整個專案最重要的一句話，官方 README 自己寫的：「給初學者的建議是使用不需要搭建開發環境就能燒錄的韌體」。

也就是說你不用裝那一整套開發工具，下載現成的檔案、用燒錄工具丟進去就好。官方有一份「初學者韌體燒錄指南」。

流程大概是：下載燒錄工具 → 下載韌體檔 → 接上 USB → 先清空原本的韌體 → 把檔案依指定位置加進去 → 按開始。幾十秒就完成。

二：給它連 Wi-Fi

燒完開機後，它自己會變成一個 Wi-Fi 熱點。你用手機或電腦連上那個熱點，會自動跳出設定頁，填入你家 Wi-Fi 的名稱跟密碼，按連線，它就會重開並連上網路。

這個設計很貼心，整個過程不用打任何指令。

三：到網站上把它認領回來

去 xiaozhi.me 註冊一個帳號，進到後台按「新增裝置」，然後輸入裝置螢幕上顯示的驗證碼，就綁定完成了。

官方說明寫著：個人用戶註冊帳號可以免費使用 Qwen 即時模型。

四：調整它的個性

綁定後在後台可以設定：

  • 名字：想叫什麼都行
  • 語言：介面支援 39 種語言
  • 聲音：有多組語音可以試聽後選
  • 角色設定：寫一段話描述它是誰、要做什麼。後台還有一個「AI 優化」按鈕，會幫你把簡短的描述擴寫成更完整的設定

幾個值得知道的設計細節

喚醒詞是離線跑的。你喊它名字那一下，辨識是在晶片本身完成的，不用連網。喊醒之後才會把你的話送到雲端處理。官方支援自訂喚醒詞，而且繁體中文（zh-TW）有內建支援。
  • 連線方式有彈性：Wi-Fi、有線網路，甚至可以插 4G 模組，支援的板子可以在 Wi-Fi 跟 4G 之間切換
  • 可以認得出說話的是誰：有說話者辨識功能
  • 可以自己架伺服器：如果你不想用官方雲端，社群有維護 Python、Java、Go 三種版本的自架伺服器程式
  • 螢幕可選：支援的板子可以顯示表情符號，有相機的板子還能做影像輸入

要注意的地方

  1. 這個專案的雲端服務在中國。預設韌體連的是官方的 xiaozhi.me 伺服器。你講的話會傳過去處理——這點要自己評估能不能接受。介意的話就走自架伺服器那條路，但難度會跳一級。
  2. 接線要對。麵包板雖然不用焊，但腳位接錯就是不會動。照官方的接線圖一條一條對，不要憑印象接。
  3. 買板子要看清楚記憶體。同樣叫 ESP32-S3，記憶體規格差很多，太小的跑不動。
  4. 它是開源專案不是商品。MIT 授權、任何人都可以免費使用包含商業用途，但也代表沒有客服，出問題要自己查或去社群問。

做完之後

這個專案真正有趣的地方，是它讓你體會到「AI 音箱」其實沒有那麼神祕——麥克風收音、送出去、拿回答案、用喇叭唸出來，就這幾件事。你買的那台幾千塊的智慧音箱，核心流程跟你桌上這塊麵包板是一樣的。

差別在它可以被你改。市售音箱的個性是廠商決定的，這台的個性是你寫的。

如果你覺得接線這關太麻煩，可以先玩完全不用接線的 Claude 桌寵；如果你想要的是連網路都不用連、畫面完全不出門的，可以看不上網的 AI 相機。

延伸閱讀

本文資料來源：xiaozhi-esp32 官方 GitHub 專案（MIT 授權，3.2 萬星）。

留言

張貼留言