ESP32-S3小智AI制作教程

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：

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：

1. ESP32-S3 本地运行离线唤醒词检测（ESP-SR），听到"你好小智"后开始工作；
2. INMP441 麦克风通过 I2S 总线采集音频，芯片将其编码为 Opus 格式；
3. 音频流经 WebSocket 上传云端，完成 ASR（语音转文字）→ LLM（大模型生成回复）→ TTS（文字转语音）；
4. 云端将合成语音回传，ESP32-S3 解码后通过 MAX98357A 功放驱动喇叭播放。

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）

💡 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

4.2 MAX98357A 功放 → ESP32-S3

4.3 OLED 显示屏（可选）

⚠️ 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

1. 到乐鑫官网下载 Flash Download Tool，解压运行；
2. 启动界面选择：ChipType = ESP32-S3，WorkMode = Develop，LoadMode = UART；
3. 主界面配置：
   • 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）；
4. 先点击 ERASE 擦除 Flash（可选但推荐），再点击 START 开始烧录；
5. 进度条走完显示 FINISH（完成） 即烧录成功，按一下板上 RST 键重启。

🔧 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

1. 安装 VSCode；
2. 在 VSCode 扩展市场安装 ESP-IDF 插件；
3. 插件内选择安装 ESP-IDF v5.3 及以上版本（EXPRESS 模式，下载服务器选 Espressif 国内源更快）；
4. 等待工具链自动下载安装完成（约 10~20 分钟）。

💡 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）：

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

1. 首次启动（或长按 BOOT 键重置网络后），设备会开启热点，播报"进入配网模式"；
2. 手机 WiFi 列表中连接名为 Xiaozhi-xxxxxx 的热点；
3. 浏览器访问 http://192.168.4.1；
4. 在页面中选择你家的 WiFi（⚠️ 只支持 2.4GHz 频段，5G 频段搜不到），输入密码，点击连接；
5. 设备自动重启并联网成功。

7.2 绑定设备到控制台

1. 对设备说 “你好，小智” 唤醒它，随便说句话，它会播报一个 6 位验证码（屏幕版会直接显示）；
2. 电脑/手机浏览器访问官方控制台 https://xiaozhi.me，注册并登录账号；
3. 进入 控制台 → 添加设备，输入刚才的 6 位验证码；
4. 绑定成功后，设备会自动刷新，此时就可以正式对话了！

🎉 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：

九、常见问题排查（FAQ）

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。）