成本不到50的AI对话机器人，如何自建服务端？自定义角色+语音克隆，个人隐私不外传

年前看到一款开源项目 – 小智AI对话机器人：

基于 ESP-32 核心板开发，实时语音对话，可玩性太高了。

而下面这张图，就基本包含了 AI 语音玩具需要的所有东西，成本不到50元，忍不住我也入手了一个！

先看最终效果：

重新播放

不过，因为 ESP-32 核心板的计算能力有限，所有对话数据，都得发往公网服务器处理。

对在意个人隐私的用户而言，搭建本地服务，就在所难免。

于是动手折腾了一番，今天把搭建本地服务端的过程分享给大家，希望给有类似需求的朋友一点参考和帮助。

1. 项目简介

项目地址：github.com/78/xiaozhi-e
项目文档：ccnphfhqs21z.feishu.cn/

作者提到，开源这个项目，是为了更多人入门 AI 硬件开发。

的确，当下 AI 大模型的发展速度可谓日新月异。一旦落地到生活日常，可玩的东西就太多了。。。

目前这个板子已经实现：

  • 离线语音唤醒：通过 ESP-SR 实现。
  • 流式语音对话：支持 WebSocket 和 UDP 协议。
  • 声纹识别：识别说话者身份。
  • 短期记忆：对每轮对话进行总结。
  • 自定义角色：支持提示词和音色设置。
  • 联网能力：支持 Wi-Fi 和 4G 接入。

作者把硬件端的代码开源了，为此，想要玩玩的朋友只需两步：

  • 购买所需硬件，回来接好线；
  • 刷入最新的固件。

接线可参考：ccnphfhqs21z.feishu.cn/

这里也贴下我当初的接线图，供参考：

完成上述两步，接入作者的官方服务器，AI 会话，即刻启程！

本篇主要想和大家聊聊服务端如何搭建：

  • 一是：所有隐私/敏感数据掌握在自己手里；
  • 二是：实现更多个性化、定制化功能，比如角色自定义、音色克隆、接入知识库，甚至接入产品数据-打造智能客服。

要实现上述对话逻辑，笔者梳理了下大致流程：

2. 自建服务端

因为语音识别、语音克隆等模型推理需要显卡，确保一张 8G+ 显存的显卡即可。
服务端代码参考：github.com/78/xiaozhi

服务端代码目录结构如下：

.
├── asr-server
├── asr-worker
├── main-server
└── tts-server

模块化设计：每个功能模块采用独立的目录，便于开发和维护，提高系统的可扩展性和可维护性。

职责分离：

  • asr-server+asr-worker：提供语音活动监测、语音转文本、说话人识别等服务；
  • tts-server：提供音色管理、音色克隆、语音合成等服务，对接本地部署的语音模型；
  • main-server：主服务，负责协调语音识别、大模型、语音合成等各种服务，并对接后端数据库。

大致实现逻辑如下：

3. 前端控制台

尽管前端界面并不需要多复杂，但为了方便后续迭代，最终还是决定采用前后端分离进行开发，技术选型如下：

  • 前端：vue3；
  • 后端：fastapi + sqlalchemy。

其中前端主要用到的工具有：

  • Vite：实现项目打包管理
  • Vue-Router：实现单页面应用（SPA）的路由控制
  • Pinia：Vue 3 推荐的状态管理库
  • Element-Plus：基于 Vue 3 的 UI 组件库，实现界面布局

前端开发不复杂，最关键的是数据库表的设计。一旦这里的逻辑理清，后面就相对顺畅了。

3.1 注册登录

3.2 设备管理

3.2.1 配置角色

每一个设备，对应一个角色。配置角色包括两部分：

  • 角色的人设，包括系统默认的角色模板，和用户自定义的模板
  • 角色的大脑：也即角色大模型；
  • 角色的音色：支持用户上传的克隆音色。

3.2.2 说话人识别

角色定义是让AI成为谁，而说话人识别则是让 AI 知道你是谁，这里是通过判断不同人的音色来实现。

当点击添加说话人时，系统会从后端拉取所有会话的语音向量，可以从中选择一条最清晰的，作为当前说话人的判断依据。

说话人管理界面，则用于配置不同说话人的角色设定：

3.2.3 对话记忆

每轮对话结束后，AI 会进行提炼总结，作为记忆存入数据库。后续对话时，自动拉取历史记忆作为上下文参考。

当然，也支持在页面编辑、增加记忆内容，作为 AI 总结的补充。

3.3 角色管理

3.4 大模型管理

3.5 音色管理

支持用户上传自己的语音片段，实现音色克隆。

点击音色克隆，上传音频文件后，后端自动触发语音识别，点击保存后，你的音色就会保存在后端。在自定义角色时，可根据这里的音色ID和音色名称进行选择。

写在最后

本文和大家梳理了小智 AI 对话机器人–自建服务端的实现过程。

如果对你有帮助，欢迎点赞收藏备用。

欢迎感兴趣的朋友一起玩，代码等有空完善后开源出来。

为方便大家交流，新建了一个 AI 交流群，公众号后台「联系我」，拉你进群。