ESP32-S3 AI 语音助手能做什么,不能做什么
Panda 智能家居团队更新于 4 分钟阅读
ESP32-S3 语音助手在本机负责唤醒词、收音、播放和屏幕,AI 回答通常来自服务器。讲清它擅长什么、有哪些局限,以及隐私上要注意什么。
ESP32-S3 AI 语音助手是一种小巧、低成本的设备:它等待唤醒词,录下你的问题,再把回答播放出来。真正"思考"的部分,也就是把语音转成文字、生成回答,通常在服务器上完成,可能是云服务,也可能是你自己网络里的一台电脑。这让它灵活又实惠,但也意味着它离不开网络,好不好用取决于背后的服务。
ESP32-S3 是什么
ESP32-S3 是一种低成本的微控制器,也就是一颗只跑一个程序的小芯片,自带 Wi-Fi 和低功耗蓝牙(Bluetooth LE)。它不是手机或笔记本那样的电脑。它很擅长处理按键、传感器、小屏幕、麦克风和喇叭,也擅长通过网络和其他设备沟通,但本身不是用来运行大型 AI 模型的。
设备本身负责什么
- 唤醒词: 一直等一个简短的触发词,知道你什么时候在跟它说话。
- 声音: 用麦克风收你的声音,用喇叭播放回答。
- 屏幕: 如果有屏幕,显示状态、文字或表情。
- 按键和传感器: 按住说话的按键、温度传感器之类的输入。
- 联网: 通过 Wi-Fi 连接负责主要运算的服务器。
服务器负责什么
听到唤醒词之后,设备把你的声音发给服务器。服务器先把语音转成文字,再交给语言模型(负责写回答的 AI),最后把回答转回语音。这台服务器可以是:
- 云服务: 由 AI 服务商运营。上手简单,需要连互联网。
- 本地服务器: 放在你自己的网络里,比如家里或办公室的一台小电脑。设置多一些,更多声音留在你自己的地方。
因为设备依赖这条链路,网络慢或不稳,助手也会跟着慢或不稳。信号覆盖可以看智能家居的 Wi-Fi,整体情况可以看断网时智能家居还能用什么。
速度和隐私都要取舍
每个问题都要来回一趟:设备到服务器,再回来。感觉快不快,取决于你的网络、服务器和所选的 AI 模型。更大的模型回答可能更好,也可能更慢。
隐私走的是同一条路。你的声音会发到所配置的那台服务器。 要有意识地选择服务器,读清它的隐私条款,并告诉使用设备或在设备附近的人,包括员工、顾客或家里的帮佣。要问哪些问题,可以看智能家居的隐私。
控制智能家居
接上合适的集成后,语音助手可以把指令交给 Home Assistant 这样的智能家居系统:开灯、关窗帘、问门锁好了没有。设备本身不直接控制电器,它是去问负责控制的那套系统。还在选平台的话,可以看本地控制和 Google、Apple、SmartThings 怎么选。
开源固件
不必从零开始。ESP32 语音助手有开源的固件项目,"小智"(xiaozhi)就是一个例子。开源意味着代码可以查看、可以修改,定制设备可以在它的基础上做,而不是被绑死在某一家公司的 App 上。
它做不到什么
- 它不是手机,也不是高端智能音箱。 麦克风和喇叭都很小,音质也就是这个水平。
- 它不是医疗或紧急求助设备。 不要靠它求救。家里有老人的话,可以看给年迈父母的智能家居。
- 它自己的智能很有限。 没有服务器,除了唤醒词和基本功能,它做不了多少事。
- 它需要维护。 固件、服务器软件和 AI 服务的设置都要随时间更新,云服务也可能改条款或价格。
常见问题
没有互联网还能用吗?
只有语音和 AI 处理跑在你网络里的本地服务器上才行。如果用的是云服务,断网就得不到回答,不过设备本身仍然能开机。
我的声音会被录下来吗?
你的声音会发到所配置的服务器去处理。会不会保存、保存多久,取决于那台服务器或那项服务,使用前请查看它的条款和设置。
它能说中文和英文吗?
这取决于它接入的语音和 AI 服务。很多服务支持多种语言,请确认你打算用的具体服务。
适合放在店里或办公室吗?
可以,比如回答简单的问题或者控制房间设备。要告诉员工和顾客这里有语音助手,以及声音会发到哪里。
从哪里开始
先想清楚你想让它做什么、它该连哪台服务器、平时谁会在它附近。可以看看我们的 ESP32 定制硬件和产品;如果服务器那边也需要开发,可以看定制软件。
有语音设备的想法?告诉我们你想让它做什么,我们会如实告诉你哪些可行。
遇到不熟悉的术语?看看智能家居术语表。