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

开源视觉模型部署教程:GLM-4.6V-Flash-WEB一键启动实践

开源视觉模型部署教程:GLM-4.6V-Flash-WEB一键启动实践 想快速体验一个能看懂图片、还能跟你聊天的AI助手吗?智谱最新开源的GLM-4.6V-Flash-WEB模型,就是一个功能强大且部署简单的选择。它不仅能通过网页界面直接对话,还提供了API接口,方便开发者集成到自己的应用里。 今天,我就带你从零开始,手把手完成这个视觉大模型的部署和启动。整个过程非常简单,只需要三步,哪怕你是刚接触AI的新手,也能在10分钟内搞定。我们主要的目标就是:快速部署,立即体验。 1. 环境准备与镜像部署 万事开头难,但这次开头很简单。部署GLM-4.6V-Flash-WEB,你只需要一个能运行Docker的环境。这里我们以常见的云服务器或本地支持Docker的Linux环境为例。 1.1 获取部署镜像 首先,你需要找到模型的部署镜像。根据提供的资料,我们可以从相关的镜像仓库获取。这里假设你已经有一个可用的环境,并且安装了Docker。 打开你的终端,执行以下命令来拉取镜像。这个镜像已经包含了运行模型所需的所有依赖,省去了你手动安装Python、PyTorch等一堆库的麻烦。

By Ne0inhk

Dify 入门系列(六):从 Web 到 API交付与集成,打通 AI 落地的“最后一公里”

大家好,我是独孤风。 在上一篇教程中,我们已经在Dify的“工作室”里,用5分钟“组装”出了一个懂公司规范的 “📊 数据治理知识助手”。 但是,现在有一个尴尬的问题: 这个超酷的AI助手,目前还被锁在Dify的“工厂”里。 只有拥有Dify账号、能登录后台的人才能看见它。这就像造了一辆法拉利,却只能在自家车库里空转,不能开上路去接送客户。 AI工程化的核心,不仅在于“造出来”,更在于“用起来”。 今天,我们要进行Dify入门篇的关键一课:交付与集成 (Delivery & Integration)。 我们将拆掉Dify工厂的围墙,通过三种方式,把这个AI助手“分发”到真实的世界中去: 1. Web App:生成公开链接,发给老板直接用。 2. 嵌入 (Embed):把AI挂载到公司内网或博客上。 3. API (后端即服务):这是架构师的最爱,

By Ne0inhk
【前端】HTTP请求方式:GET、POST 与其他请求方法详解

【前端】HTTP请求方式:GET、POST 与其他请求方法详解

文章目录 * * 前言 * 定义概念 + 缩写 * 一、HTTP 是什么? * 二、常见请求方式 * 性质 * 一、GET 请求 * 特点 * 示例 * 适用场景 * 二、POST 请求 * 特点 * 示例 * 适用场景 * 三、PUT 请求 * 特点 * 示例 * 四、PATCH 请求 * 特点 * 五、DELETE 请求 * 特点 * 六、GET 与 POST 核心区别总结 * 使用步骤 * 一、在 Axios 中的标准写法 * 统一写法(推荐) * 二、什么时候用 GET?

By Ne0inhk

前端图像生成终极优化:5倍性能提升的云端渲染实战指南

前端图像生成终极优化:5倍性能提升的云端渲染实战指南 【免费下载链接】dom-to-imagedom-to-image: 是一个JavaScript库,可以将任意DOM节点转换成矢量(SVG)或光栅(PNG或JPEG)图像。 项目地址: https://gitcode.com/gh_mirrors/do/dom-to-image 前端图像生成技术在现代Web应用中扮演着关键角色,从报表导出到数据可视化,都离不开DOM转图片的核心能力。然而,浏览器内存限制和计算瓶颈常常成为性能优化的拦路虎。本文将通过四阶段系统化方案,带你实现从本地渲染到云端渲染的无缝迁移,获得5倍性能提升和70%内存占用降低的显著效果。 第一阶段:问题诊断与性能瓶颈定位 🔍 1.1 核心痛点识别 在前端直接使用dom-to-image进行图像生成时,我们通常会遇到三大典型问题: 性能瓶颈表现: * 复杂DOM节点(含200+图表)渲染耗时超过8秒 * 移动端频繁出现"Out Of Memory"错误 * 跨浏览器渲染结果不一致 量化诊断指标: // 性能监控代码示例 const

By Ne0inhk