75元!复刻Moji 2.0 小智 AI 桌面机器人,基于乐鑫ESP32开发板,内置DeepSeek、Qwen大模型

文末联系小编,获取项目源码

Moji 2.0 是一个栖息在你桌面上的“有灵魂的伴侣”,采用乐鑫 ESP32-C5开发板,配置 1.5寸 360x360 高清屏,FPC 插接方式,支持 5G Wi-Fi 6 极速连接,内置小智 AI 2.0 系统,主要充当智能电子宠物的角色,在你工作学习枯燥时,通过圆形屏幕上的动态表情包卖萌解压,提供情绪陪伴;同时它也是功能强大的AI 语音助手,支持像真人一样流畅的连续对话,随时为你查询天气、解答疑惑或闲聊解闷,非常适合作为极客桌搭或嵌入式学习的开源平台。

🛠️ 装配进化

告别手焊屏幕的噩梦。全新设计的 FPC 插座连接,排线一插即锁,将复刻门槛降至最低。

🚀 性能进化

主控升级为 ESP32-C5。支持 5GHz Wi-Fi 6,在复杂的智能家居网络中,语音交互响应快如闪电。

👁️ 视觉进化

屏幕尺寸跃升至 1.5寸 (360x360)。配合 QSPI 协议 驱动,动画丝滑流畅,彻底告别撕裂与拖影。

🔈 听感进化

重构音频电路,采用 ES8311 全差分链路。有效抵消射频干扰,背景底噪深邃宁静。

🔋 能源进化

内置 500mAh 电池,搭配 DC-DC 高效电源与无线充电预留接口,随手一放即可回血。

🤖 小智AI 2.0

完美适配最新固件。支持全双工语音对话、打断唤醒,响应速度质的飞跃。

😀 自定义表情

得益于大内存和 QSPI 屏,支持自定义图片/GIF 表情。根据对话情绪(开心/生气)自动切换。

🤖 技术架构

Moji 2.0 小智AI机器人项目构建起从硬件接入、智能体构建到生态联动的一站式开发流程,它不仅是智能工具,更是一个真正“懂你”的AI助理。无论是在解决问题还是分享快乐,小智AI聊天机器人都以独特的智慧和温柔的方式,使科技更加有温度,生活更美好。ESP32智能AI套件为开发者提供了一条高效、开放、具备可复制性的落地路径。

图片
  • 通信协议 基于 xiaozhi-esp32 协议,通过 WebSocket 实现数据交互。
  • 对话交互 支持唤醒对话、手动对话及实时打断。长时间无对话时自动休眠
  • 多语言识别 支持国语、粤语、英语、日语、韩语(默认使用 FunASR)。
  • LLM 模块 支持灵活切换 LLM 模块,可选阿里通义Qwen、DeepSeek、OpenAI 等

主控芯片:ESP32-C5(双频 Wi - Fi 6+ RISC - V )

屏幕规格:1.5寸 IPS 高清圆屏(360x360分辨率)

驱动接口:高速 QSPI 协议

音频方案:ES8311解码+全差分走线

电源系统:500mAh电池+ DC / DC 稳压

软件生态:适配小智 AI 2.0

Moji 2.0 核心功能

  • 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。
  • LCD 显示屏:显示emoji及对话内容。
  • 大模型:可接入DeepSeek、OpenAI 、Qwen等
  • 联网能力:支持 Wi-Fi 和 4G 双网络接入

🛠️ 硬件组装

图片

芯片焊接:音频芯片 ES8311 为 QFN 封装,必须使用热风qiang或加热台,仅靠电烙铁无法完成。

焊接顺序:强烈建议先验证喇叭有声音之后,最后再焊接麦克风,避免麦克风损坏导致排查困难。

麦克风温控:麦克风极度怕热,风qiang温度需 ≤300°C 且吹焊时间小于 10 秒。

洗板水禁忌:清理焊盘时,严禁洗板水/酒精渗入麦克风拾音孔,否则会导致麦克风永久失效。

PCB 厚度:下单打板时请务必选择 1.6mm,否则 Type-C 接口高度不匹配外壳。

屏幕安装:安装排线时,先确认排线方向然后对准插座,缓慢插入排线。切勿暴力硬插。

固件烧录:建议使用 ESP Flash Download Tool,地址设为 0x00000。需按住 Boot 键插入 USB 进入烧录模式。

🚀 物料清单

🎯 原理图和PCB板

🌳 写在最后

Moji智能AI助手可以搭载多种开源AI大模型( DeepSeek、OpenAI 、通义千问),通过对话角色自定义、海量知识库、长期记忆、语音声纹识别等功能,成为了一个真正“懂你”的AI助理。无论是在解决问题还是分享快乐,Moji 都以独特的智慧和温柔的方式,使科技更加有温度,生活更美好。

ESP32 智能AI项目源码:

https://github.com/78/xiaozhi-esp32

Moji 智能AI助手 3D建模资料获取:

https://makerworld.com.cn/zh/@MoveCall

Moji 智能AI助手项目资料获取:

https://oshwhub.com/movecall/moji2


如有IoT 源码采购和项目交付需求,商务合作,企业产品推广,请扫码联系小编,微信号: beacon0418

往期推荐

开箱即用!国产开源30+AI视觉算法IoT智能物联网云平台

国产开源Web 工业IoT组态软件,支持Modbus、OPC,支持拖拉拽

源码交付,7天完成国产信创部署智慧工地方案

4万元,国产信创私有化部署,破解县域无人机AI巡检平台落地难题

上班摸鱼, 智能 AI 监控老板行踪

免费开源,千知AI知识图谱平台,支持DeepSeek、Qwen

信创部署,源码交付!县域低空经济无人机 AI 巡检平台

智慧农业大爆发:AI+物联网+区块链重构“天空地”一体化监测

免责声明:本公众号所发布的内容来源于互联网,我们会尊重并维护原作者的权益。由于信息来源众多,若文章内容出现版权问题,或文中使用的图片、资料、下载链接等,如涉及侵权,请告知我们,我们将尽快处理。主理人微信: beacon0418

Read more

无人机仿真与强化学习的终极指南:gym-pybullet-drones项目深度解析

无人机仿真与强化学习的终极指南:gym-pybullet-drones项目深度解析 【免费下载链接】gym-pybullet-dronesPyBullet Gym environments for single and multi-agent reinforcement learning of quadcopter control 项目地址: https://gitcode.com/gh_mirrors/gy/gym-pybullet-drones 你是否想过,无需购买昂贵的无人机设备,就能在电脑上体验真实的飞行控制?今天要介绍的gym-pybullet-drones项目,正是这样一个完美的解决方案。这个开源项目为单机和多机无人机提供了基于PyBullet的强化学习环境,让你能够轻松探索无人机控制的世界。😊 快速上手:5分钟开启无人机仿真之旅 想要立即体验这个强大的无人机仿真平台?只需简单几步: 1. 克隆项目:git clone https://gitcode.com/gh_mirrors/gy/gym-pybullet-drones 2. 创建虚拟环境:conda

基于深度学习YOLO算法+qwen deepseek大模型的无人机河道巡检系统平台 支持AI对话与文档生成分析

基于深度学习YOLO算法+qwen deepseek大模型的无人机河道巡检系统平台 支持AI对话与文档生成分析

YOLO+DeepSeek河道环境检测系统 项目简介 基于改进YOLO深度学习模型与DeepSeek大语言模型的河道环境智能检测与分析系统。本系统采用先进的计算机视觉技术,结合自然语言处理能力,实现对河道环境中各类目标的高精度检测与智能分析。系统支持单张图片、批量图片、视频文件及实时摄像头等多种输入方式,提供从环境检测到智能建议的完整解决方案,为河道治理、环境保护与水资源管理提供智能化技术支持。 ✨ 核心亮点 • 多场景检测支持:全面覆盖单张图片、图片文件夹、视频文件、实时摄像头四种输入方式 • 改进YOLO模型:基于YOLOv5/v8/v11/v12的优化版本,专注河道环境目标检测 • AI智能分析:集成DeepSeek/Qwen大模型,生成专业的河道环境分析与治理建议 • 实时处理反馈:前端实时展示检测进度与结果,支持实时视频流处理 • 完整技术栈:PyTorch深度学习 + SpringBoot后端 + Vue3前端 + Flask中台的完整架构 • 开箱即用:提供完整源码、预训练模型与详细部署文档,快速上手使用 🌊 检测对象范围 系统可精准识别河道

智能家居数据可视化:5个维度打造专业级Home Assistant仪表板

智能家居数据可视化:5个维度打造专业级Home Assistant仪表板 【免费下载链接】awesome-home-assistantA curated list of amazingly awesome Home Assistant resources. 项目地址: https://gitcode.com/gh_mirrors/aw/awesome-home-assistant 在智能家居管理领域,数据可视化不仅是美观装饰,更是提升决策效率的关键工具。Home Assistant作为开源家庭自动化平台,通过精心设计的可视化仪表板,能让您从海量设备数据中快速洞察家庭状态,实现真正的智能管理。本文将带您从5个维度深入探索如何构建专业级的数据可视化界面。 为什么您的Home Assistant需要数据可视化? 数据过载的现实挑战:当家中部署了数十个智能设备后,原始数据往往杂乱无章。数据可视化通过图表、仪表和色彩编码,将复杂信息转化为直观的视觉语言,让您: * 3秒内掌握全屋设备状态 * 快速识别异常情况和设备故障 * 基于历史趋势做出优化决策 * 提升家庭安全监控效率

【论文阅读103】pinn-review-科学机器学习中的物理信息神经网络:现状与展望

【论文阅读103】pinn-review-科学机器学习中的物理信息神经网络:现状与展望

科学机器学习中的物理信息神经网络:现状与展望 作者:Salvatore Cuomo¹ · Vincenzo Schiano Di Cola² · Fabio Giampaolo¹ · Gianluigi Rozza³ · Maziar Raissi⁴ · Francesco Piccialli¹ 在线发表:2022年7月26日 摘要 物理信息神经网络(Physics-Informed Neural Networks,PINNs)是一类将模型方程(如偏微分方程,PDE)直接嵌入神经网络结构中的神经网络(NN)。目前,PINNs 已被广泛用于求解偏微分方程、分数阶方程、积分-微分方程以及随机偏微分方程。这一新兴方法作为一种多任务学习框架出现,在该框架中,神经网络不仅需要拟合观测数据,还需最小化 PDE 残差。 本文对物理信息神经网络相关文献进行了全面综述:研究的主要目标是阐明这类网络的特征、优势与局限性。同时,本文还涵盖了更广义的基于配点法(collocation-based)的物理约束神经网络研究,包括从最初的基础 PINN(