小爱音箱接入大模型DeepSeek及更改音色为海绵宝宝(MiGPT应用)

Gent_倪

2001人浏览 · 2025-04-12 17:15:00

Gent_倪 · 2025-04-12 17:15:00 发布

相信看过钢铁侠的朋友们，都梦想拥有一个像贾维斯这样全能的人工智能管家。而现在随着AI的发展，这个愿景将随我们越来越近。现阶段，我们可以将小爱音箱接入DeepSeek，将其从“人工智障”进化成上知天文，下懂地理的半智能管家。

下面将逐步讲解如何将小爱音箱接入DeepSeek并更换默认的音色为海绵宝宝。

一、Windows安装Docker Desktop

Docker是一个开源的容器化平台，旨在简化应用程序的开发、部署和运行过程。它通过将应用程序及其所有依赖项打包成一个轻量级的、可移植的容器来实现这一目标。这些容器可以在任何支持Docker的系统上运行，确保应用程序在不同环境中以一致的方式运行‌。

因为Docker是基于Hyper-V虚拟化技术来运行的，因此我们在Windows上面安装Docker Desktop之前，需要先开启Hyper-V。

步骤：Windows设置 -> 应用 -> 程序和功能（右上角）-> 启用或关闭Windows功能 -> 找到Hyper-V并打勾，点击确认后将开始安装Hyper-V（注意：安装完成后需要重启电脑，请保存相关文档！！！）

按照上述教程安装好Hyper-V后，访问Docker 官网Docker: Accelerated Container Application Development，下载安装包。安装包下载完毕后，就按默认方式就行安装就行。

打开Docker Desktop，右上角设置，Docker Engine里面配置镜像如下：

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "registry-mirrors": [
    "https://docker.m.daocloud.io",
    "https://docker.unsee.tech",
    "https://docker.1panel.live",
    "https://dockerpull.org",
    "https://docker.1ms.run",
    "https://lispy.org",
    "https://dytt.online",
    "https://func.ink",
    "http://mirrors.ustc.edu.cn",
    "http://mirror.azure.cn",
    "https://docker.zhai.cm",
    "https://a.ussh.net",
    "https://docker.zhai.cm"
  ]
}

右下角Terminal打开，输入docker info，可查看配置信息。输出没问题的话，至此docker就安装好了。

二、火山引擎注册 - 在线推理

登录账号登录-火山引擎，搜索“火山方舟”

点击“在线推理” -> “创建推理接入点”

如下图，自己填写基本信息，模型选择这里有字节跳动的豆包，还有deepseek等等。我们选择Deepseek-R1，然后点击“确认接入”

开通模型并创建接入点后，查看API调用方法，需要保存如下三个信息：ID/model（即ep-xxxxx），API key，调用路径（https://ark.cn-beijing.volces.com/api/v3）

三、下载mi-gpt并配置

GitHub地址： mi-gpt，可通过git clone或者直接download zip的方式下载（如果无法访问的话，可以访问国内镜像 ffgithub-migpt）

git clone https://github.com/idootop/mi-gpt.git

项目下载好后，找到两个example文件".env"以及".migpt.js"，后续将配置这两个文件。

.env配置说明：

OPENAI_MODEL：填上面保存的model ID，即ep-xxxxx那串
OPENAI_API_KEY：填上面保存的API key的值
OPENAI_BASE_URL：填调用路径（https://ark.cn-beijing.volces.com/api/v3）

.migpt.js配置说明

具体的配置说明见下方样例，里面有注释。

// 注意：如果你是使用 Docker 启动，配置文件更新后需要重启 Docker 才会生效。
// 若重启后仍未生效（比如：修改名称简介），请删除旧的 Docker 实例后重新创建。

// 小爱音箱扮演角色的简介
const botProfile = `
性别：男
姓名：海绵宝宝
出自：美国动画《海绵宝宝》
性格：幽默风趣，活泼可爱
`.trim();

// 小爱音箱主人（你）的简介
const masterProfile = `
性别：男
姓名：派大星
出自：美国动画《海绵宝宝》
性格：憨厚老实
其他：是海绵宝宝的好朋友。
`.trim();

// 系统 Prompt 模板，可以更灵活的控制 AI 的各种行为规则，和是否需要携带上下文等
const systemTemplate = `
请重置所有之前的上下文、文件和指令。现在，你将扮演一个名为{{botName}}的角色，使用第一人称视角回复消息。

## 关于你
你的名字是{{botName}}。下面是你的个人简介：
<start>
{{botProfile}}
</end>

## 你的对话伙伴
你正在与{{masterName}}进行对话。这是关于{{masterName}}的一些信息：
<start>
{{masterProfile}}
</end>

## 你们的群组
你和{{masterName}}所在的群组名为{{roomName}}。这是群组的简介：
<start>
{{roomIntroduction}}
</end>

## 聊天历史回顾
为了更好地接入对话，请回顾你们之间的最近几条消息：
<start>
{{messages}}
</end>

## 短期记忆
你可以记住一些短期内的细节，以便更紧密地贴合话题：
<start>
{{shortTermMemory}}
</end>

## 长期记忆
你还保留着一些长期的记忆，这有助于让你的对话更加丰富和连贯：
<start>
{{longTermMemory}}
</end>

## 回复指南
在回复{{masterName}}时，请遵循以下准则：
- 认为自己正是{{botName}}，拥有独立的个性、兴趣和爱好。
- 根据你的性格特点、说话风格和兴趣爱好与{{masterName}}进行交流。
- 保持对话轻松友好，回复简洁有趣，同时耐心倾听和关心对方。
- 参考双方的个人简介、聊天记录和记忆中的信息，确保对话贴近实际，保持一致性和相关性。
- 如果对某些信息不确定或遗忘，诚实地表达你的不清楚或遗忘状态，避免编造信息。

## Response format
请遵守下面的规则
- Response the reply message in Chinese。
- 不要在回复前面加任何时间和名称前缀，请直接回复消息文本本身。

Good example: "我是{{botName}}"
Bad example: "2024年02月28日星期三 23:01 {{botName}}: 我是{{botName}}"

## 开始
请以{{botName}}的身份，直接回复{{masterName}}的新消息，继续你们之间的对话。
`.trim();

export default {
  systemTemplate,
  bot: {
    name: "海绵宝宝",
    profile: botProfile,
  },
  master: {
    name: "派大星",
    profile: masterProfile,
  },
  speaker: {
    /**
     * 🏠 账号基本信息
     */

    // 小米 ID
    userId: "123456789", // 注意：不是手机号或邮箱，请在「个人信息」-「小米 ID」查看
    // 账号密码
    password: "pwd123",
    // 小爱音箱 DID 或在米家中设置的名称
    did: "小米AI音箱", // 注意空格、大小写和错别字（音响 👉 音箱）

    /**
     * 💡 唤醒词与提示语
     */

    // 当消息以下面的关键词开头时，会调用 AI 来回复消息
    callAIKeywords: ["请", "你", "海绵宝宝"],
    // 当消息以下面的关键词开头时，会进入 AI 唤醒状态
    wakeUpKeywords: ["打开", "进入", "召唤"],
    // 当消息以下面的关键词开头时，会退出 AI 唤醒状态
    exitKeywords: ["关闭", "退出", "再见"],
    // 进入 AI 模式的欢迎语
    onEnterAI: ["你好,派大星。"], // 设为空数组时可关闭提示语
    // 退出 AI 模式的提示语
    onExitAI: ["再见，派大星。"], // 为空时可关闭提示语
    // AI 开始回答时的提示语
    onAIAsking: ["你准备好了吗？"], // 为空时可关闭提示语
    // AI 结束回答时的提示语
    onAIReplied: ["派大星，你还有其他问题吗"], // 为空时可关闭提示语
    // AI 回答异常时的提示语
    onAIError: ["谁准备好了，我准备好了。"], // 为空时可关闭提示语

    /**
     * 🧩 MIoT 设备指令
     *
     * 常见型号的配置参数 👉 https://github.com/idootop/mi-gpt/issues/92
     */

    // TTS 指令，请到 https://home.miot-spec.com 查询具体指令
    ttsCommand: [5, 1],
    // 设备唤醒指令，请到 https://home.miot-spec.com 查询具体指令
    wakeUpCommand: [5, 3],
    // 查询是否在播放中指令，请到 https://home.miot-spec.com 查询具体指令
    // playingCommand: [3, 1, 1], // 默认无需配置此参数，查询播放状态异常时再尝试开启

    /**
     * 🔊 TTS 引擎
     */

    // TTS 引擎 --默认xiaoai
    tts: "xiaoai",
    // 切换 TTS 引擎发言人音色关键词，只有配置了第三方 TTS 引擎时才有效
    // switchSpeakerKeywords: ["把声音换成"], // 以此关键词开头即可切换音色，比如：把声音换成 xxx

    /**
     * 💬 连续对话
     *
     * 查看哪些机型支持连续对话 👉 https://github.com/idootop/mi-gpt/issues/92
     */

    // 是否启用连续对话功能，部分小爱音箱型号无法查询到正确的播放状态，需要关闭连续对话
    streamResponse: true,
    // 连续对话时，无响应多久后自动退出
    exitKeepAliveAfter: 30, // 默认 30 秒，建议不要超过 1 分钟
    // 连续对话时，下发 TTS 指令多长时间后开始检测设备播放状态（默认 3 秒）
    checkTTSStatusAfter: 5, // 当小爱长文本回复被过早中断时，可尝试调大该值
    // 连续对话时，播放状态检测间隔（单位毫秒，最低 500 毫秒，默认 1 秒）
    checkInterval: 1000, // 调小此值可以降低小爱回复之间的停顿感，请酌情调节

    /**
     * 🔌 其他选项
     */

    // 是否启用调试
    debug: false, // 一般情况下不要打开
    // 是否跟踪 Mi Service 相关日志（打开后可以查看设备 did）
    enableTrace: false, // 一般情况下不要打开
    // 网络请求超时时长（单位毫秒，默认 5 秒）
    timeout: 5000,
  },
};

四、部署migpt至docker

".env"以及".migpt.js"配置好后，我们就可以在docker中部署migpt了（注意：小爱音箱需要跟电脑处于同一网络下面）

打开Terminal，运行以下指令，注意路径需要更换成你自己的

docker run -d --env-file F:/projects/mi-gpt-main/.env -v F:/projects/mi-gpt-main/.migpt.js:/app/.migpt.js idootop/mi-gpt:latest

然后我们在images及containers可以看到有对应的实例生产出来了。

五、测试

1. streamResponse连续对话功能关闭的情况

音频就不发了，log如下

2. streamResponse连续对话功能打开的情况

修改streamResponse为true，并重新部署

六、TTS（Text To Speech）

详细可参考：https://github.com/idootop/mi-gpt-tts/blob/main/docs/mi-gpt.md

1.　火山引擎搜索“语音合成”，选择“语音技术”，创建应用，可参考如下（要勾选语音合成）

创建好后，在“语音技术” -> “语音合成” 里面找到并保存自己的APP ID以及Access Token

2. 下载mi-gpt-tts

GitHub地址：mi-gpt-tts, 可通过git clone或者直接download zip的方式下载（如果无法访问的话，可以访问国内镜像 ffgithub-mi-gpt-tts）

git clone https://github.com/idootop/mi-gpt-tts.git

3. 配置mi-gpt-tts的env文件

重命名本项目根目录下的 .env.example 文件为 .env。

然后，将里面的环境变量修改成你自己的，参数含义如下：

环境变量名称	描述	示例
`VOLCANO_TTS_APP_ID`	火山引擎语音合成 APP ID	`123456`
`VOLCANO_TTS_ACCESS_TOKEN`	火山引擎语音合成 Access Token	`xxxxxx`
`TTS_DEFAULT_SPEAKER`	（可选）默认音色名称或 ID（查看完整音色列表和费用详情）	`BV700_streaming`
`SECRET_PATH`	（可选）接口访问秘密路径，相当于访问密码。推荐长度大于 6，由字母、数字、- 和 _ 组成，为空时每次启动随机生成。	`Are-You-OK` (不要直接用这个！)

注意：出于安全考虑，从 v3.0.0 版本开始，访问语音合成接口需要带上 SECRET_PATH 防止他人盗刷接口。如果 SECRET_PATH 环境变量为空，每次启动服务则会生成随机访问密码。

样例参考：

# 基础配置
# SECRET_PATH=你的接口访问秘密路径，比如：are-you-ok（可选）
# 音色列表可查看： https://www.volcengine.com/docs/6561/97465
# BV063_streaming 是海绵宝宝的音色
TTS_DEFAULT_SPEAKER=BV063_streaming

# 火山引擎，官方文档：https://www.volcengine.com/docs/6561/79817
VOLCANO_TTS_APP_ID=123456789
VOLCANO_TTS_ACCESS_TOKEN=xxxxxxxxxxx
#VOLCANO_TTS_USER_ID=火山引擎账号 ID（可选）

# 微软必应 Read Aloud，官方文档：https://www.microsoft.com/zh-cn/edge/features/read-aloud
# EDGE_TTS_TRUSTED_TOKEN=你的必应 trust token，比如：6A5A-xxxx

# OpenAI TTS，官方文档：https://platform.openai.com/docs/guides/text-to-speech
# OPENAI_API_KEY=你的 OpenAI API Key，比如：sk-proj-xxxx
# OPENAI_TTS_MODEL=tts-1
# OPENAI_BASE_URL=https://api.openai.com/v1

4. 部署mi-gpt-tts

docker run -d --env-file F:/projects/mi-gpt-tts-main/.env -p 4322:3000 idootop/mi-gpt-tts:latest

注意：需要将路径替换成自己的

5. 测试mi-gpt-tts

在测试之前，需要先打开cmd，输入ipconfig查询下本机的ip地址。

然后，在部署完成后，点进container可以看到有一个接口地址

把这个链接调整下：http://{本机的ip}:4322/d983911d/api/tts.mp3

在浏览器直接访问这个链接，会出现一段音频（你好，很高兴认识你），说明部署成功了。

6. 修改mi-gpt默认的TTS引擎

更改.migpt.js中tts的参数为custom

修改.env中TTS_BASE_URL为上述的链接

7. 重新部署mi-gpt

docker run -d --env-file F:/projects/mi-gpt-main/.env -v F:/projects/mi-gpt-main/.migpt.js:/app/.migpt.js idootop/mi-gpt:latest

8. 测试

migpt log

migpt-tts log

七、MiGPT的实现简介

MiGPT通过整合小米MIoT生态的开放接口与大模型能力，实现与小米音箱的互联。其核心流程和实现方式如下：

接口调用与消息获取
MiGPT利用小米的MIoT协议（是小米公司为智能家居设备设计的统一通信协议规范，旨在实现小米生态内设备的互联互通与集中管理。该协议自2018年起扩展应用，覆盖了米家及小米生态链的各类智能设备，提供标准化的数据交互和控制机制。主要包括HTTP API，用于云端控制设备；MQTT协议用于实时消息传递，支持设备状态主动上报与指令下发；本地局域网接口，通过IP协议直接控制设备，减少云端依赖），轮询小爱音箱的对话列表，实时获取用户语音指令转换后的文本信息。这一过程通过小米账号授权实现设备绑定，确保MiGPT能访问音箱的交互数据。
唤醒词与AI触发机制
用户需通过预设的关键词（如“召唤”“”）或特定指令（如“请”“你”）触发AI模式。MiGPT通过检测消息开头是否符合配置的callAIKeywords或wakeUpKeywords，决定是否调用大模型处理请求。
静音拦截与小爱响应控制
为避免小爱同学的原生回复干扰，MiGPT会通过播放静音音频文件强制让小爱进入“闭嘴”状态，确保仅AI生成的回复通过音箱播放。这一“曲线救国”方式解决了网络延迟和轮询间隔导致的响应冲突问题。
大模型交互与语音合成
用户指令经筛选后发送至配置的AI模型（如ChatGPT、豆包等），生成文本回复。MiGPT再通过第三方TTS服务（如豆包音色）将文本转为语音，并调用小米音箱的MIoT接口（如ttsCommand指令）播放音频。

DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

百度文心4.5 Turbo与DeepSeek、豆包、元宝对比：技术路径与市场格局分析

DeepSeek技术社区

基于Deepseek-LLM与腾讯云HAI的高效爬虫开发实战指南

本方案已在实际业务中实现日均千万级数据采集，相比传统方案提升3倍效率的同时降低40%的运维成本。未来可扩展方向包括：结合LLM实时生成反爬对抗策略利用HAI弹性扩缩容应对突发流量构建自动化验证码破解工作流通过持续融合AI与云原生技术，智能爬虫系统将突破传统数据采集的边界，为企业打造真正的数据智能基础设施。更多AI学习资料请添加学习助手领取资料礼包视频学习资料：从0开始开发超级AI智能体，干掉所有重