py-xiaozhi

<p align="center" class="trendshift"> <a href="https://trendshift.io/repositories/14130" target="_blank"> <img src="https://trendshift.io/api/badge/repositories/14130" alt="Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/> </a> </p> <p align="center"> <a href="https://github.com/huangjunsen0406/py-xiaozhi/releases/latest"> <img src="https://img.shields.io/github/v/release/huangjunsen0406/py-xiaozhi?style=flat-square&logo=github&color=blue" alt="Release"/> </a> <a href="https://opensource.org/licenses/MIT"> <img src="https://img.shields.io/badge/License-MIT-green.svg?style=flat-square" alt="License: MIT"/> </a> <a href="https://github.com/huangjunsen0406/py-xiaozhi/stargazers"> <img src="https://img.shields.io/github/stars/huangjunsen0406/py-xiaozhi?style=flat-square&logo=github" alt="Stars"/> </a> <a href="https://github.com/huangjunsen0406/py-xiaozhi/releases/latest"> <img src="https://img.shields.io/github/downloads/huangjunsen0406/py-xiaozhi/total?style=flat-square&logo=github&color=52c41a1&maxAge=86400" alt="Download"/> </a> <a href="https://gitee.com/huang-jun-sen/py-xiaozhi"> <img src="https://img.shields.io/badge/Gitee-FF5722?style=flat-square&logo=gitee" alt="Gitee"/> </a> <a href="https://huangjunsen0406.github.io/py-xiaozhi/guide/00_%E6%96%87%E6%A1%A3%E7%9B%AE%E5%BD%95.html"> <img alt="使用文档" src="https://img.shields.io/badge/使用文档-点击查看-blue?labelColor=2d2d2d" /> </a> </p>

简体中文 | English

项目简介

py-xiaozhi 是一个使用 Python 实现的小智语音客户端，旨在通过代码学习和在没有硬件条件下体验 AI 小智的语音功能。 本仓库是基于xiaozhi-esp32移植

演示

• Bilibili 演示视频

功能特点

🎯 核心AI功能

• AI语音交互：支持语音输入与识别，实现智能人机交互，提供自然流畅的对话体验
• 视觉多模态：支持图像识别和处理，提供多模态交互能力，理解图像内容
• 智能唤醒：支持多种唤醒词激活交互，免去手动操作的烦恼（可配置开启）
• 自动对话模式：实现连续对话体验，提升用户交互流畅度

🔧 MCP工具生态系统

• 系统控制工具：系统状态监控、应用程序管理、音量控制、设备管理等
• 日程管理工具：全功能日程管理，支持创建、查询、更新、删除事件，智能分类和提醒
• 定时任务工具：倒计时器功能，支持延时执行MCP工具，多任务并行管理
• 音乐播放工具：在线音乐搜索播放，支持播放控制、歌词显示、本地缓存管理
• 12306查询工具：12306铁路票务查询，支持车票查询、中转查询、列车路线查询
• 搜索工具：网络搜索和网页内容获取，支持必应搜索和智能内容解析
• 菜谱工具：丰富菜谱库，支持菜谱搜索、分类查询、智能推荐
• 地图工具：高德地图服务，支持地理编码、路径规划、周边搜索、天气查询
• 八字命理工具：传统八字命理分析，支持八字计算、婚姻分析、黄历查询
• 摄像头工具：图像捕获和AI分析，支持拍照识别和智能问答

🏠 IoT设备集成

• 设备管理架构：基于Thing模式的统一设备管理，支持属性和方法的异步调用
• 智能家居控制：支持灯光、音量、温度传感器等设备控制
• 状态同步机制：实时状态监控，支持增量更新和并发状态获取
• 可扩展设计：模块化设备驱动，易于添加新设备类型

🎵 高级音频处理

• 多级音频处理：支持Opus编解码、实时重采样
• 语音活动检测：VAD检测器实现智能打断，支持语音活动实时监控
• 唤醒词检测：基于Sherpa-ONNX的离线语音识别，支持多唤醒词和拼音匹配
• 音频流管理：独立输入输出流，支持流重建和错误恢复
• 音频回声消除：集成WebRTC音频处理模块，提供高质量的回声消除功能
• 系统音频录制：支持系统音频录制，实现音频环回处理

🖥️ 用户界面

• 图形化界面：基于PyQt5的现代GUI，支持小智表情与文本显示，增强视觉体验
• 命令行模式：支持CLI运行，适用于嵌入式设备或无GUI环境
• 系统托盘：后台运行支持，集成系统托盘功能
• 全局快捷键：支持全局快捷键操作，提升使用便捷性
• 设置界面：完整的设置管理界面，支持配置自定义

🔒 安全与稳定

• 加密音频传输：支持WSS协议，保障音频数据的安...