大家好,我是羊刀仙。
不知道各位家里有没有智能音箱?没错,就是小爱和天猫精灵这种语音助手。刚推出的时候的确比较新奇好玩,但现在感觉妥妥的一个大傻X。现在AI十分流行,那么是否有办法把语音助手也接入AI呢?
本次就来介绍一个相关的开源项目:MiGPT,将小爱音箱接入 ChatGPT 和豆包(字节),改造成你的专属语音助手。
本文会通过使用 Docker 方式来和大家一起手把手搭建这个项目,小白也能轻松搞定!
项目地址:点我跳转
项目简介
在这个数字化的世界里,家已不仅仅是一个居住的地方,而是我们数字生活的延伸。
MiGPT 通过将小爱音箱、米家智能设备,与 ChatGPT 的理解能力完美融合,让你的智能家居更懂你。
MiGPT 不仅仅是关于设备自动化,而是关于:打造一个懂你、有温度、与你共同进化的家。
未来,你的每个智能家居设备,从灯泡、插座,到扫地机器人、电视等,
都可以作为一个个独立的智能体 (Agent),更智能、更贴心的响应你的指令。
这些独立的智能体,也可以彼此感知,彼此配合,构成一个更强大的协作网络。
而小爱音箱就像是你的智能家居专属管家,全心全意为你服务,释放智能家居的真正潜力。
项目亮点
🎓 AI 问答。想象一下,当小爱音箱接入大模型后,上知天文,下知地理,从“人工智障”秒变学霸。
🎭 角色扮演。一秒调教小爱,无论是成为你的完美伴侣,还是那个能听你倾诉心事的贴心闺蜜,都不在话下。
💬 流式响应。爱情来得太快就像龙卷风,而你的小爱音箱也是,对你的爱意秒回,爱你不会让你等太久。
🧠 长短期记忆。小爱音箱现在能记住你们之间的每一次对话,越聊越默契,就像是你身边的老朋友。
🔊 自定义 TTS。厌倦了小爱同学的语音?帮你解锁「豆包」同款音色,就像真人在回你的消息。
🤖️ 智能家居 Agent。心情不好?小爱立刻懂你,自动帮你播放喜欢的音乐,调节灯光,逗你开心。
设备支持
MiGPT 支持大部分的小爱音箱型号,推荐使用小爱音箱 Pro(完美运行)。
小爱音箱 HD 以及 小爱蓝牙音箱随身版 完全不支持该项目。
部署流程
以威联通NAS为例,型号为TS-673A。
文件目录与配置文件
首先为MiGPT准备文件目录。直接命名为MiGPT,此外还需要准备 .env 和 .migpt.js 两个配置文件放于该目录下。
为了方便起见,直接在项目地址下载下图的两个文件,编辑后重新命名再上传至NAS即可。
在NAS中打开Text Editor文本编辑器,创建文本文件。将以下代码分别粘贴进去,进行修改并另存为至MiGPT目录下。
⭕️ 环境变量.env配置:
一般来说仅需修改以下几个部分
OPENAI_MODEL=llama3-70b-8192,这里的phi3:latest可以换成其他模型
OPENAI_API_KEY=gsk_xxxxx,这个没关系随便写一个
OPENAI_BASE_URL=https://api.groq.com/openai/v1,这个地址其实就是运行大模型的地址
更多AI接入请参考https://migptgui.com/docs/apply/ ,我个人使用的是作者推荐的Groq提供的llama3-70b-8192,应该是目前唯一一家免费提供 70B 参数规模的 Llama3 模型的厂商。
另存为.env ,是一个隐藏文件,看不到正常。在 Linux 和类 Unix 系统(包括大多数 NAS 设备的操作系统)中,以 “.” 开头的文件默认是隐藏的。这是操作系统的一种标准做法,目的是防止这些配置文件被用户不小心修改或删除。
⭕️ 音箱.migpt.js配置
重复上面操作,先新建文档。配置模板如下。内容较多,大家可以先往下划,我列出了必须修改部分,其他内容等自己回头再慢慢改~
必须需要修改的是userId、password、did就是你的小爱音箱型号:
// 小米 ID userId: "978765301", // 注意:不是手机号或邮箱,请在「个人信息」-「小米 ID」查看
// 账号密码,就是你小米账户登陆的那个密码
password: "Keepfit75KG!",
// 小爱音箱 DID 或在米家中设置的名称 did: "小爱音箱Pro", // 注意空格、大小写和错别字(音响 👉 音箱),不要出任何错误
参考上面的设备支持部分,这个变量请根据自己型号修改false或true,默认为true:
// 是否启用连续对话功能,部分小爱音箱型号无法查询到正确的播放状态,需要关闭连续对话 streamResponse: true, // 连续对话时,无响应多久后自动退出
以上工作完成后,另存为即可。
Docker Compose部署
打开Cintainer Station,创建新的应用,将以下代码修改并创建即可。
系统会自动帮我们拉取镜像并运行项目。
部署完毕后,查看Docker日志,出现以下界面便说明可以使用了。
尝试对话,跟作者配置中的一样,确实有些傲娇。。。
常见问题
皆摘自原项目。很多问题解决方案,以及自定义配置教程在原项目都十分详细,这里只是挑些可能较为常见的说明,为大家节省点时间。
是否支持其他模型,是否支持其他TTS接入
理论上兼容 OpenAI SDK的模型都支持,修改环境变量即可接入到 MiGPT。比如:通义千问、零一万物、Moonshot、DeepSeek等。
具体的配置可查看该链接:https://migptgui.com/docs/apply/tongyi
对于其他不兼容的大模型,比如豆包、文心一言等,也可以通过第三方的 API 聚合工具将其转换为 OpenAI API 兼容的格式。比如: One API和 simple-one-api(推荐:支持 coze,使用更简单),然后修改对应的环境变量值即可完成接入。
支持任意的TTS服务接入,建议参考:https://github.com/idootop/mi-gpt/blob/main/docs/tts.md
AI回答调速、开启唤醒模式
这两项都可在小爱的配置文件中修改调整.
回答调速:
// .migpt.js export default { speaker: { // 使用小爱自带的 TTS 引擎 tts: "xiaoai", // 关闭 AI 开始回答时的提示语 onAIAsking: [], // 关闭 AI 结束回答时的提示语 onAIReplied: [], // 连续对话时,播放状态检测间隔(单位毫秒,最低 500 毫秒,默认 1 秒) checkInterval: 500, // 调小此值可以降低小爱回复之间的停顿感,请酌情调节 // 连续对话时,下发 TTS 指令多长时间后开始检测设备播放状态(单位秒,最好不要低于 1s,默认 3 秒) checkTTSStatusAfter: 3, // 可适当调小或调大 // ... }, };
唤醒和连续对话模式,召唤傻妞后,便无需每句对话以小爱同学作为起始:
// .migpt.js export default { speaker: { // 当消息以下面的关键词开头时,会调用 AI 来回复消息 callAIKeywords: ["请", "你", "傻妞"], // 当消息以下面的关键词开头时,会进入 AI 唤醒状态 wakeUpKeywords: ["打开", "进入", "召唤"], // ... }, };
唤醒小爱同学
正常对小爱音箱说“小爱同学”,唤醒其进入听写状态。
唤醒小爱同学后,可以对她说语音指令,比如“请问地球为什么是圆的”
此时,只有以callAIKeywords开头的消息,才会调用 AI 进行回复。
此阶段无法做到连续对话,每次提问都要以“小爱同学,请 xxx”开头。
进入唤醒模式
默认不会调用 AI 进行回复
唤醒模式(AI 模式)类似小爱技能,进入后可以连续对话
使用wakeUpKeywords即可进入唤醒模式,比如“小爱同学,召唤傻妞”
进入唤醒模式后,每次提问请等待小爱回答“我说完了”之后,再继续向她提问
此时,可直接向小爱提问题,无需再以“小爱同学,xxx”开头。
无法使用、启动失败等
该类问题极大概率是AI和小米各自那三个变量的配置问题,重点关注网络问题、API是否需要付费等。
⭕️ LLM 响应异常 Connection error,也就是AI不能回复,国内环境无法访问 AI 服务的情况,需要魔法,本文只建议更换使用国内LLM (Moonshot、零一万物、通义千问等)。
⭕️ LLM 响应异常 404 The model xxx does not exist,意为该模型不存在或不可用,基本就是没权限要付费那种,建议切换到其他模型。
⭕️ LLM 响应异常,401 Invalid Authentication, 404 基本都是OpenAI_API_KEY 无效。检查OpenAI_API_KEY是否能正常使用,以及对应环境变量是否生效。
⭕️ LLM 响应异常,404 Not Found,可能代理 IP 被 Cloudflare 风控,可尝试切换节点。或者把环境变量的 HTTP_PROXY 设置成空字符串 HTTP_PROXY='' 关闭代理(仅适用于国产大模型)。
无AI回答,但是后台日志有文字信息输出
这与小爱音箱的型号有关,请到米家产品库查看参数并修改:
ttsCommand: [5, 1], // 设备唤醒指令,请到 https://home.miot-spec.com 查询具体指令 wakeUpCommand: [5, 3], // 查询是否在播放中指令,请到 https://home.miot-spec.com 查询具体指令 // playingCommand: [3, 1, 1], // 默认无需配置此参数,查询播放状态异常时再尝试开启
如果出现播放错误,比如长句的时候戛然而止,可修改第三个变量。
是否支持多个小爱音箱
可部署多个Docker,分别绑定不同的小爱音箱。
是否需要同一局域网
不需要。MiGPT 调用 MIoT 云端接口,可在任意设备或服务器上运行,无需和小爱音箱在同一局域网下。
重设小爱人设
可通过语音设置。
小爱:小爱同学,你是 xxx,你 xxx
你自己:小爱同学,我是 xxx,我 xxx