微信扫码
添加专属顾问
**自己打造AI助手,实现离线智能生活!** 核心内容: 1. AI-Box离线DeepSeekR1助手的开源项目介绍 2. 功能亮点与硬件设计详解 3. 开源模型切换与嵌入式学习案例应用
不用联网!
就能用DeepSeek!
且是深度思考R1版本!
除此之外,还支持所有开源模型……
依然是全开源的好项目!
开发文档
开源资源包
它是怎么设计出来的(2-3章)?原理是什么(2-3章)?还有什么功能&亮点(第1章)?制作成本是多少(第4章)?开源网址有吗(第5章)?
下文咱们一个个探索~
AI-Box基于立创·泰山派RK3566设计,主要功能&亮点如下:
支持离线本地对话DeepSeek-R1/Qwen/Gemini等开源模型(即开即用,无需联网、无需付费)
支持离线获取实时天气、温湿度
是娱AI小助手,也是生活小助手~
支持语音控制自身灯光
引出串口,可充当语音模块
支持电池供电,出门玩也能带它!
支持功能拓展:可以基于现有框架,将AI-Box打造成——离线语音模块,充当家庭控制终端,智能机器人,多模态机器人等等
可以作为嵌入式学习案例:因为本项目不涉及设备树,无需编译Linux系统,大大简化了操作,当然,还是需要具备一定的Linux知识的!
咋切换开源模型?
后续模型权重下载好后,修改模型名称就行
不到1分钟就能换一个开源模型!
电路由这5部分组成——电源电路、泰山派IO拓展口,防反接电路,开关电路,模块及拓展接口。
原理图
PCB图
本设计基于泰山派RK3566,内置WIFI功能,通过AP模式遥控
屏幕支持0.96寸SSD1306/SSD1315驱动OLED显示屏,实现显示表情、对话反馈、天气等相关信息
选用IP5306充放一体电源芯片,提供最大2.1A输出,为泰山派供电
选用AHT10高精度温湿度传感器,可实时获取温度、湿度信息。
选用驻极体麦克风,可实时获取环境音频信息。
选用8R1W喇叭,提供音频输出。
采用MOS管开关电路,支持驱动较大功率LED灯板。
采用防反接电路,可任选Type-C接口供电。
供电:本项目采用IP5306锂电池充放一体芯片,可提供最大2.1A电流输出。
拓展IO:功能实现依赖于泰山派提供的IO口控制,这里为需要使用的引脚做好定义
防反接:由于泰山派的DC-DC 3.3V对输入电压有较高要求,输入电压不能低于4.5V,所以这里采用MOS管和三极管实现防反接,而不是二极管。
开关控制:在电路中还设计了一个MOS驱动的开关电路,帮助驱动较大电流的LED。
拓展接口:拓展引出UART串口,方便充当离线语言模块对接其他主控使用。
拓展模块:模块上使用OLED模块和AHT10模块,再通过音频接口引出麦克风和扬声器。
按键:引出3个按键,用于与屏幕交互。
AI-BOX是如何做到离线对话的?如何通过软件设计,实现这个功能?
系统基于Ubuntu20.04
环境为Python3.8
软件框架为Vosk+Ollama+espeak-ng
模型权重为DeepSeek-R1 1.5B/Qwen2 0.5B
接下来,咱们直接“上手”!
一切开始前先导入我们需要使用的pip库。
import time# 导入时间模块,用于控制延时import vosk# 导入 Vosk 语音识别库import json# 导入 JSON 解析库import subprocess# 用于调用外部进程(如语音合成)import ollama# 导入 Ollama,用于聊天 AI 处理import asyncio# 导入 asyncio 以支持异步操作import pyaudio# 导入 PyAudio 处理音频输入import threading# 导入多线程模块import re# 导入正则表达式模块,用于文本处理from concurrent.futures import ThreadPoolExecutor# 用于异步任务的线程池from board import *# 导入 board 库,用于 I2C 设备的引脚定义import busio# 用于 I2C 通信from PIL import Image, ImageDraw, ImageFont# 用于处理 OLED 显示图像import adafruit_ssd1306# 用于控制 SSD1306 OLED 屏幕
定义一些模型路径,字符路径等变量。
这里为了避免内存超出,MAX_HISTORY_LENGTH限制会话最多保存1条,如果你设备内存或虚拟内存足够,可以增加。
# 选择合适的字体font_path = "/usr/share/fonts/truetype/noto/NotoSansCJK-Regular.ttc"# OLED 屏幕显示的字体路径font = ImageFont.truetype(font_path, 16)# 设置字体大小适应屏幕# 初始化 I2C 设备i2c = busio.I2C(I2C2_SCL, I2C2_SDA)# 通过 I2C2_SCL 和 I2C2_SDA 初始化 I2C 通信disp = adafruit_ssd1306.SSD1306_I2C(128, 64, i2c)# 通过 I2C 初始化 128x64 分辨率的 OLED 屏幕# 清空屏幕disp.fill(0)disp.show()# 获取屏幕宽高width = disp.widthheight = disp.height# 创建一个空白图像用于绘制image = Image.new("1", (width, height))draw = ImageDraw.Draw(image)# 设置 Vosk 语音识别模型路径,根据自己的路径设置model_path = "/home/linaro/vosk-model-small-cn-0.22"model = vosk.Model(model_path)# 加载 Vosk 语音识别模型recognizer = vosk.KaldiRecognizer(model, 16000)# 以 16kHz 采样率初始化语音识别器# 记录会话历史conversation_history = [{"role": "system", "content": "你是嘉立创EDA-小嘉,是一个运行在泰山派上的离线本地大模型语音助手。"},]MAX_HISTORY_LENGTH = 1# 限制会话历史的最大条数asr_running = False# 语音识别时的动画状态控制变量
屏幕显示这里进行了封装,确保每次显示前能自动清屏,同样的限制只能显示8个字符,避免超出显示长度。
def show_on_oled(text):draw.rectangle((0, 0, width, height), outline=0, fill=0)# 清除屏幕draw.text((0, 0), text[:8], font=font, fill=255)# 仅显示前8个字符disp.image(image)# 更新屏幕内容disp.show()
动画表情直接利用库函数绘制圆和弧线实现。
def draw_face(mouth_state=0):"""显示不同表情的脸部动画"""draw.rectangle((0, 0, width, height), outline=0, fill=0)# 清空屏幕# 绘制眼睛draw.ellipse((32, 15, 40, 25), outline=255, fill=255)# 左眼draw.ellipse((88, 15, 96, 25), outline=255, fill=255)# 右眼# 嘴巴动画if mouth_state == 0:draw.line((50,50, 78, 50), fill=255, width=2)# 直线嘴巴elif mouth_state == 1:draw.arc((50, 40, 78, 60), start=0, end=180, fill=255)# 微笑嘴巴elif mouth_state == 2:draw.ellipse((58, 50, 70, 60), outline=255, fill=255)# 张嘴嘴巴disp.image(image)# 更新屏幕内容disp.show()
def asr_animation():global asr_runningframe = 0while asr_running:draw_face(frame % 3)# 按 0、1、2 的顺序切换嘴巴形态frame += 1time.sleep(0.2)# 控制动画速度
怎么实现边录边传?
先配置音频采样率16kHz,然后设置一个20480帧的缓冲区大小(约1.28s),16位PCM格式。
然后配置asr_running 全局标志用于控制动画线程运行,独立线程运行asr_animation实现非阻塞式用户体验。
这里循环中启用流式传输,每次读取 2048 字节(约 128ms )实现非阻塞读取:exception_on_overflow=False 允许忽略缓冲区溢出错误,这样无需等待完整录音文件,实现边录边传。
def recognize_speech(p):global asr_runningstream = p.open(format=pyaudio.paInt16,channels=1,rate=16000,input=True,frames_per_buffer=20480)stream.start_stream()print("正在识别语音...")asr_running = True# 启动动画animation_thread = threading.Thread(target=asr_animation)# 创建动画线程animation_thread.start()try:while True:data = stream.read(2048, exception_on_overflow=False)# 读取音频数据if recognizer.AcceptWaveform(data):# 处理音频流result = recognizer.Result()# 获取识别结果result_json = json.loads(result)# 解析 JSON 数据if "text" in result_json:text = result_json['text']# 提取识别文本print(f"识别到的文字: {text}")asr_running = False# 停止动画animation_thread.join()# 等待动画线程结束draw_face(1)# 识别完成后显示微笑表情time.sleep(1)# 释放音频资源stream.stop_stream()stream.close()return textexcept IOError:pass# 释放资源asr_running = Falseanimation_thread.join()stream.stop_stream()stream.close()
说出来的话,要转换成文字呀!如何只保留中文字符,避免识别出乱码呢?
由于我们使用的espeak-ng是轻量化的,只能支持一种语言,所以这里我们要过滤掉除中文外的文字和特殊符号。
这里使用正则表达式"[^\u4e00-\u9fa5,。!?]"。
正则表达式中的方括号表示字符集,^符号在开头表示取反,也就是匹配不在这个字符集里的任何字符。所以这个正则表达式的作用是匹配所有不属于指定Unicode范围的字符,以及标点符号,。!?。
def clean_text(text):return re.sub(r"[^\u4e00-\u9fa5,。!?]", "", text)
已经搞定了语音识别转文字了,那怎么让模型“理解”它的含义呢?
——将语音识别的文字传给Ollama然后交给模型处理,使用stream=True实现流式逐块生成,然后通过for chunk in response: if 'message' in chunk and 'content' in chunk['message']:典型的流式响应处理模式,主要用于处理流式返回的数据结构。
async def generate_and_play_text(input_text):draw_face(1)# 显示微笑表情time.sleep(1)conversation_history.append({"role": "user", "content": input_text})# 记录用户输入response = ollama.chat(model="qwen2:0.5b", messages=conversation_history, stream=True)# AI 生成回答generated_text = ""for chunk in response:if 'message' in chunk and 'content' in chunk['message']:raw_text = chunk['message']['content']clean_tts_text = clean_text(raw_text)# 清理文本generated_text += raw_textshow_on_oled(raw_text)print(f"当前生成: {generated_text}")if clean_tts_text:# 确保有中文内容才播放# 显示在 OLED 上subprocess.run(['espeak-ng', '-v', 'zh', clean_tts_text])# 语音朗读conversation_history.append({"role": "assistant", "content": generated_text})# 记录 AI 回应draw_face(1)# 结束后显示微笑time.sleep(1)
如何让动画和语音识别,能共同运行,且互不干涉呢?
这里max_workers=2 采用双线程实现互不干涉。然后通过pyaudio库用于输入音频数据,代入我们前面创建的函数中。
async def main():loop = asyncio.get_event_loop()# 获取事件循环executor = ThreadPoolExecutor(max_workers=2)# 线程池用于并发任务p = pyaudio.PyAudio()# 创建 pyaudio 实例while True:recognized_text = await loop.run_in_executor(executor, recognize_speech, p)# 识别语音await generate_and_play_text(recognized_text)# 生成回答并朗读p.terminate()# 释放音频资源if __name__ == "__main__":asyncio.run(main())# 运行主程序
如果你没有泰山派
本项目的DIY成本为193.5元153.5元
如果你已经有了泰山派
那么本项目的DIY成本仅需25.5元
*立创·泰山派是一款开源的卡片电脑,提供全面开放的软硬件资料,参数资源如下:
如果你想尝试复刻AI-BOX
想采购泰山派
那您真来巧啦!
泰山派正进行限时特价!
直降40元!
1G+0G版本的泰山派
不要168!
仅需128!
2G+16G版本的泰山派
不要228!
仅需188元!
扫码即可抢购
电脑端打开:https://lckfb.com/project/detail/lctspi-2g-16g
扫码后,4步领取优惠
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-07-09
全球首个给AI用的Office开源了:单二进制文件,MIT许可,免安装。
2026-07-09
BrowserSkill 开源!让 AI Agent 真实接到你的浏览器
2026-07-08
全面超越「龙虾」的「爱马仕」,给国产Agent上了一课
2026-07-07
你的 AI agent 还在"跑崩了从头再来"?Stanford 把 git 搬进了 agent 运行时
2026-07-06
腾讯混元Hy3正式上线,坚持实用主义路线,Agent任务解决率跃升至 90%
2026-07-06
Qwen3.5 9B + Hermes,这可能是本地电脑玩Agent最好的组合!
2026-07-06
2000 万开发者使用的 GitHub Copilot,现已接入 Kimi K2.7 Code 模型
2026-07-06
Skills Hub 大升级:现在能自动更新了,关掉应用也能跑
2026-04-18
2026-04-18
2026-06-22
2026-05-31
2026-05-10
2026-05-06
2026-05-20
2026-04-21
2026-04-21
2026-04-18
2026-06-16
2026-05-30
2026-05-16
2026-04-22
2026-04-21
2026-04-15
2026-04-09
2026-04-01
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。