从零打造属于你的 AI 语音助手：ESP32-S3 制作「小智 AI」保姆级教程
本文将手把手教你使用 ESP32-S3 开发板 + 面包板，复刻开源爆火项目 小智 AI（xiaozhi-esp32）——一个可以语音唤醒、自由对话、接入 DeepSeek / Qwen 等大模型的桌面 AI 伙伴。全程照做即可复刻成功，总成本约 50~80 元。
目录
- 一、项目简介
- 二、实现原理
- 三、硬件清单（BOM）
- 四、硬件接线
- 五、方案 A：免开发环境，直接烧录官方固件（推荐新手）
- 六、方案 B：源码编译固件（进阶玩家）
- 七、配网与设备激活
- 八、控制台配置：给小智换"人设"和大模型
- 九、常见问题排查（FAQ）
- 十、进阶玩法
- 十一、资源汇总
一、项目简介
小智 AI（xiaozhi-esp32） 是由开发者"虾哥"开源的 AI 语音聊天机器人项目，GitHub 上已获得数万 Star，社区极其活跃。
它具备以下能力：
| 🎤 离线语音唤醒 | 默认唤醒词"你好小智"（基于 ESP-SR） |
| 🗣️ 流式语音对话 | 支持连续对话、可打断（WebSocket 全双工） |
| 🧠 大模型接入 | 云端可切换 DeepSeek、Qwen、豆包等大模型 |
| 🌍 多语言识别 | 普通话、粤语、英语、日语等 |
| 🔊 声纹识别 | 能分辨出是谁在和它说话 |
| 🎭 自定义人设 | 在控制台自由设定角色性格、音色 |
| 📺 屏幕显示（可选） | OLED / LCD 显示表情与对话内容 |
| 🏠 IoT 控制 | 通过 MCP 协议控制智能家居设备 |
工作前提：小智必须联网才能使用（语音识别与大模型推理在云端完成），无法完全离线运行。
二、实现原理
整体架构如下：
┌──────────────────────────────┐
│ 云端服务器 │
│ ASR(语音识别) → LLM(大模型) │
│ → TTS(语音合成) │
└────────────▲─────────────────┘
│ WebSocket (Opus 音频流)
│
┌─────────────┐ I2S ┌────────┴────────┐ I2S ┌──────────────┐
│ INMP441 ├────────►│ ESP32-S3 ├────────►│ MAX98357A │───► 🔈 喇叭
│ 数字麦克风 │ 录音 │ · 离线唤醒词 │ 播放 │ I2S 功放 │
└─────────────┘ │ · Opus 编解码 │ └──────────────┘
│ · WiFi 联网 │
└─────────────────┘
流程说明：
这也是为什么开发板需要 PSRAM：唤醒词模型和音频缓冲都需要较大内存。
三、硬件清单（BOM）
| 1 | 开发板 | ESP32-S3-DevKitC-1（N16R8 模组） | ¥35~50 | Flash ≥ 8MB、PSRAM ≥ 2MB，强烈推荐 N16R8（16MB Flash + 8MB PSRAM） |
| 2 | 麦克风 | INMP441 MEMS 数字麦克风模块 | ¥3~5 | I2S 接口 |
| 3 | 功放 | MAX98357A I2S 音频放大模块 | ¥5~8 | 3W D类功放 |
| 4 | 喇叭 | 8Ω 2~3W 小喇叭（腔体喇叭音质更好） | ¥3~10 | 4Ω 3W 也可以 |
| 5 | 面包板 | 400 孔面包板 ×1~2 | ¥3 | — |
| 6 | 杜邦线 | 公对公 / 公对母若干 | ¥3 | — |
| 7 | 数据线 | Type-C 数据线 | — | ⚠️ 必须是能传数据的线，不能用充电线！ |
| 8 | 显示屏（可选） | 0.91" I2C OLED（SSD1306） | ¥8 | 显示表情和文字 |
💡 选购避坑提示：
- 买开发板时认准模组丝印 ESP32-S3-WROOM-1 N16R8。有些便宜板子是 N8R2 甚至无 PSRAM 的 N4，无 PSRAM 将无法使用语音唤醒。
- 部分仿制板天线较差，可能导致后续配网时手机搜不到热点，尽量选带板载天线且做工好的。
四、硬件接线
以下为源码/官方"面包板 WiFi 版"固件的默认 GPIO 定义，照着接即可，无需改代码。
4.1 INMP441 麦克风 → ESP32-S3
| VDD | 3.3V | ⚠️ 切勿接 5V，切勿与 GND 接反，否则烧毁麦克风！ |
| GND | GND | — |
| SD | GPIO 3 | 音频数据输出 |
| WS | GPIO 10 | 字选择（左右声道时钟） |
| SCK | GPIO 11 | 串行时钟 |
| L/R | GND | 接地 = 左声道 |
4.2 MAX98357A 功放 → ESP32-S3
| VIN | 3.3V 或 5V | 接 5V 音量更大 |
| GND | GND | — |
| DIN | GPIO 6 | 音频数据输入 |
| BCLK | GPIO 5 | 位时钟 |
| LRC | GPIO 4 | 左右声道时钟 |
| GAIN | GND | 增益设置（觉得音量太大可改接 3.3V） |
| SD | 3.3V | 使能引脚 |
| 喇叭 + / − | 接喇叭两根线 | 螺丝端子或焊接 |
4.3 OLED 显示屏（可选）
| VCC | 3.3V |
| GND | GND |
| SDA | GPIO 41 |
| SCL | GPIO 42 |
⚠️ 接线三查： ① 电源正负极是否接反；② 杜邦线是否插紧（面包板接触不良是玄学问题之王）；③ 所有 GND 是否共地。 如果你的接线与上表不同，就必须走方案 B 源码编译，并在配置中同步修改 GPIO。
五、方案 A：免开发环境，直接烧录官方固件（推荐新手）
不用装任何开发环境，10 分钟搞定，适合只想"用起来"的同学。
5.1 下载固件
前往项目 GitHub 仓库 78/xiaozhi-esp32 的 Releases 页面，下载与你板子对应的固件包（面包板方案选 bread-compact-wifi 类型的合并固件 merged-binary.bin），解压得到 .bin 文件。
⚠️ 固件存放路径不要包含中文，例如放在 D:\\xiaozhi\\ 下。
5.2 安装串口驱动
用 Type-C 数据线连接开发板与电脑，打开 设备管理器 → 端口(COM 和 LPT)：
- 能看到 USB-Enhanced-SERIAL CH343 (COMx) 或 Silicon Labs CP210x (COMx) → 驱动正常，记下 COM 号；
- 出现黄色感叹号 → 需安装 CH340/CH343 或 CP210x 驱动（官网搜索下载安装即可）。
💡 ESP32-S3 板子通常有两个 Type-C 口，优先插丝印为 COM / UART 的那个。
5.3 使用乐鑫 Flash Download Tool 烧录
- 第一行勾选 ✔，点 … 选择解压出来的 merged-binary.bin；
- 右侧地址栏填 0x0；
- SPI SPEED：80MHz；SPI MODE：DIO；
- COM：选择刚才记下的端口；BAUD：921600（失败就降到 115200）；
🔧 如果一直显示"正在连接…（CONNECTING）"： 按住板上 BOOT 键不放 → 按一下 RST 键 → 松开 BOOT 键，手动进入下载模式后再点 START。
5.4 备选：esptool 命令行烧录
# 安装 esptool
pip install esptool
# 擦除 Flash（COM 号换成你自己的）
python -m esptool –chip esp32s3 –port COM5 erase_flash
# 烧录固件
python -m esptool –chip esp32s3 –port COM5 –baud 921600 write_flash 0x0 merged-binary.bin
烧录完成后跳到 第七节：配网与设备激活。
六、方案 B：源码编译固件（进阶玩家）
想改 GPIO、换唤醒词、改人设逻辑甚至自建服务器，就需要自己编译。
6.1 搭建 ESP-IDF 开发环境
💡 Windows 用户也可以直接安装官方的 “ESP-IDF 5.3 PowerShell” 离线安装包；Linux（Ubuntu）下编译速度更快且免驱动烦恼，有条件推荐。
6.2 拉取源码
git clone https://github.com/78/xiaozhi-esp32.git
cd xiaozhi-esp32
（网络不佳可在 GitHub 页面 Code → Download ZIP，或使用国内镜像加速。）
6.3 设置目标芯片
这一步不能省，否则默认按普通 ESP32 编译会失败：
idf.py set-target esp32s3
6.4 menuconfig 配置
idf.py menuconfig
重点检查以下配置项（方向键移动、回车进入、S 保存、Q 退出）：
| Xiaozhi Assistant → Board Type | 面包板新版接线（WiFi）/ Breadboard Compact WiFi |
| Serial flasher config → Flash size | 按实际模组选（N16R8 选 16MB） |
| Partition Table | 默认 partitions.csv（4MB Flash 才需换 partitions_4M.csv） |
| Component config → ESP PSRAM | 启用（无 PSRAM 模组则关闭，但会失去语音唤醒） |
| Xiaozhi Assistant → 唤醒词 | 默认"你好小智"，可换其他 ESP-SR 支持的唤醒词 |
如果你的接线和第四节默认 GPIO 不同，在源码 main/boards/ 对应板子的 config.h 中修改引脚定义。
6.5 编译、烧录、监视
idf.py build # 编译（首次约 5~15 分钟）
idf.py flash monitor # 烧录并打开串口监视器
串口监视器中能看到启动日志，看到 WiFi 配网提示即成功。（退出监视器：Ctrl + ]）
七、配网与设备激活
7.1 WiFi 配网
7.2 绑定设备到控制台
🎉 到这里，你的小智 AI 已经完全可用了。 试试对它说：“你好小智，给我讲个笑话。”
八、控制台配置：给小智换"人设"和大模型
登录 xiaozhi.me 控制台，点击你的设备进入配置页：
| 角色设定（Prompt） | 自由撰写人设，例如"你是一个毒舌但暖心的猫娘助手"…… |
| 角色音色 | 多种 TTS 音色可选（男声/女声/童声/方言等） |
| 大模型选择 | 可切换 Qwen、DeepSeek 等；绑定 GitHub 账号可获得开发者权限，免费解锁更多模型（如 DeepSeek 满血版） |
| 记忆功能 | 开启后小智能记住你们的历史对话 |
| OTA 升级 | 开启后固件自动保持最新，无需重新烧录 |
九、常见问题排查（FAQ）
| 电脑识别不到 COM 口 | ① 换 数据线（充电线是重灾区）；② 装 CH340/CP210x 驱动；③ 换 USB 口，插板上 UART 那个口 |
| 烧录一直 “CONNECTING…” | 按住 BOOT → 点按 RST → 松开 BOOT 进入下载模式；波特率降到 115200 |
| 烧录成功但无法启动/反复重启 | 固件与板型不匹配；先 ERASE 全片擦除再重烧；检查供电（换 USB 口或用带供电的 HUB） |
| 手机搜不到 Xiaozhi 热点 | 板子天线太差（仿板通病）；靠近一点再搜；长按 BOOT 重置网络配置 |
| 配网页面找不到自家 WiFi | 路由器是 5GHz 频段——请连 2.4GHz |
| 喊"你好小智"没反应 | ① 检查 INMP441 六根线（尤其 VDD/GND 是否接反）；② 无 PSRAM 的板子不支持唤醒；③ 面包板接触不良，重新插紧 |
| 有对话但没声音 | 检查 MAX98357A 的 SD 是否接 3.3V、喇叭线是否接好、DIN/BCLK/LRC 是否插错位 |
| 声音太大/破音 | GAIN 引脚从 GND 改接 3.3V，或在控制台调低音量 |
| 想完全离线使用 | 做不到，ASR/LLM/TTS 都在云端，必须联网 |
| 编译报错 target 不对 | 忘了执行 idf.py set-target esp32s3 |
十、进阶玩法
- 加个 OLED/LCD 屏：显示可爱表情、对话文字，menuconfig 里换成带屏板型即可；
- 换唤醒词：menuconfig → ESP Speech Recognition 中选择其他离线唤醒词；
- 自建服务器：社区提供了开源的 xiaozhi-esp32-server 项目，可以把 ASR/LLM/TTS 全部换成自己的 API（如本地 Ollama），彻底掌控数据；
- MCP 控制智能家居：通过 MCP 协议让小智帮你开灯、查天气、操作电脑；
- 打印外壳：社区有大量 3D 打印外壳模型（立创开源硬件平台、MakerWorld 搜"小智"），把面包板变成精致桌搭；
- 换 4G 版本：使用 ML307 Cat.1 模块，让小智摆脱 WiFi 随身携带。
十一、资源汇总
- 官方开源仓库：https://github.com/78/xiaozhi-esp32
- 官方控制台：https://xiaozhi.me
- 官方常见问题 Q&A：小智AI聊天机器人常见问题
- Windows ESP-IDF 编译官方教程：Windows ESP IDF 5.3 编译小智
- 微雪小智 AI 应用文档：https://docs.waveshare.net/XiaoZhi_AI/
- 乐鑫烧录工具下载：Flash Download Tools
写在最后： 小智 AI 是入门 AIoT（AI + 物联网）最好的实战项目之一——五十块钱、一块面包板，就能体验到"语音唤醒 → 云端大模型 → 语音合成"的完整链路。动手做出来的那一刻，你会由衷感叹：AI 硬件的门槛，真的被打下来了。
如果本文对你有帮助，欢迎点赞、收藏、关注三连！有问题请在评论区留言，看到都会回复。
（本文基于 xiaozhi-esp32 开源项目撰写，感谢虾哥及社区所有贡献者。）
