免費(fèi)DIY AI語音助手(ESP32-S3 & HuggingFace)

這個(gè)項(xiàng)目指導(dǎo)您使用完全免費(fèi)的工具和人工智能模型構(gòu)建自己的人工智能語音助手。ESP32-S3開發(fā)板處理語音錄制和音頻播放，而所有復(fù)雜的人工智能處理都在HuggingFace Space服務(wù)器上運(yùn)行。

特性

?100%免費(fèi)：不需要付費(fèi)api、服務(wù)或訂閱。

?HuggingFace集成：在HuggingFace上使用自定義服務(wù)器設(shè)置來結(jié)合語音到文本(STT)，大型語言模型(LLM)和文本到語音(TTS)。

?硬件：圍繞強(qiáng)大的ESP32-S3開發(fā)板構(gòu)建。

?當(dāng)前語言：目前只支持英語。(多語言支持是未來的目標(biāo))。

硬件需求

PSRAM的使用對(duì)于語音錄制和處理任務(wù)至關(guān)重要，因此請確保您的電路板具有它!

組件

開發(fā)板

?ESP32-S3 (16MB閃存，8MB PSRAM)

?PSRAM是代碼正常運(yùn)行的必要條件。

顯示

?ST7789 TFT顯示器

麥克風(fēng)

?inmp441i2s MEMS麥克風(fēng)

關(guān)鍵：在麥克風(fēng)的接地和VCC之間添加一個(gè)電容。

音頻放大器

?MAX98357A I2S音頻放大器

?連接到半瓦，8歐姆揚(yáng)聲器。

觸發(fā)

?觸覺按鈕

?用于啟動(dòng)和停止錄音。

布線

?單獨(dú)的I2S線

麥克風(fēng)和放大器采用專用I2S GPIO引腳，簡化控制，避免噪聲。

服務(wù)器設(shè)置(HuggingFace Space)

?AI的魔力發(fā)生在一個(gè)免費(fèi)的HuggingFace Space上。

?創(chuàng)建一個(gè)HuggingFace帳戶，點(diǎn)擊“新空間”。

?空間配置:

?Space SDK：選擇Docker。

?模板：選擇“空白”。

?空間硬件：使用CPU Basic。

?空間配置：空間SDK：選擇Docker。模板：選擇“空白”。空間硬件：使用CPU Basic。

上傳服務(wù)器文件：從這個(gè)存儲(chǔ)庫復(fù)制以下文件，并在新的HuggingFace Space中創(chuàng)建它們(Files選項(xiàng)卡-> Contribute -> create new file)：

上傳服務(wù)器文件：從這個(gè)存儲(chǔ)庫復(fù)制以下文件，并在新的HuggingFace Space中創(chuàng)建它們(Files選項(xiàng)卡-> Contribute -> create new file)：Dockerfile

?創(chuàng)建一個(gè)訪問令牌：轉(zhuǎn)到您的配置文件的訪問令牌，創(chuàng)建一個(gè)“寫”令牌，并復(fù)制它。

設(shè)置一個(gè)秘密：在你的空間設(shè)置選項(xiàng)卡中，向下滾動(dòng)到秘密并創(chuàng)建一個(gè)新的秘密：

?名稱(必須準(zhǔn)確)：HF_TOKEN

?值：將復(fù)制的令牌粘貼到這里。

?設(shè)置一個(gè)秘密：在你的空間的設(shè)置選項(xiàng)卡，向下滾動(dòng)到秘密和創(chuàng)建一個(gè)新的秘密：名稱(必須是準(zhǔn)確的)：HF_TOKEN

?值：將復(fù)制的令牌粘貼到這里。

?等待服務(wù)器狀態(tài)從“Building”變?yōu)椤癛unning”。檢查日志是否有錯(cuò)誤。

Arduino固件設(shè)置

?安裝庫：下載并安裝所有必需的庫(視頻描述中的鏈接)。注意：ESP8266音頻庫與ESP32工作良好。

代碼的配置:

?輸入您的WiFi SSID和密碼。

?更新服務(wù)器URL與您的具體HuggingFace空間URL(注意大小寫敏感)。

?代碼配置：輸入您的WiFi SSID和密碼。更新服務(wù)器URL與您的具體HuggingFace空間URL(注意大小寫敏感)。

ESP32單板設(shè)置：

?確保PSRAM已在Tools菜單中啟用。

?選擇包含SPIFFS的分區(qū)方案。

?ESP32 Board Settings：確保在Tools菜單中開啟了PSRAM。選擇包含SPIFFS的分區(qū)方案。

?將代碼上傳到ESP32-S3板。

如何使用

?一旦顯示屏顯示“助手準(zhǔn)備就緒”，系統(tǒng)就可以運(yùn)行了。

?按住觸覺按鈕開始錄制您的聲音到PSRAM。

?松開按鈕停止錄音，自動(dòng)將音頻發(fā)送到服務(wù)器。

?AI服務(wù)器處理請求(STT -> LLM -> TTS)，并將響應(yīng)音頻發(fā)送回ESP32。

?ESP32將音頻下載到LittleFS，并自動(dòng)在揚(yáng)聲器上播放答案。

本文編譯自hackster.io