5.6.4 AI聊天机器人

点击观看视频

案例简介

本方案实现了一个完全本地化运行的智能语音助手系统，整合了语音识别、自然语言处理和语音合成技术链。所有AI模型均经过 ONNX 格式转换和量化优化，充分利用 K1 芯片的硬件加速能力，在保证交互质量的同时实现快速响应。

硬件要求

兼容开发板

Muse Book
Muse Pi
Muse Pi Pro
Banana Pi（K1 版本）

系统要求

操作系统：Bianbu OS 2.0 或更高版本
存储空间：至少 8GB 可用空间
推荐内存：4GB 及以上

模块清单

本案例包含以下核心模块：

语音采集模块 通过外接 USB 麦克风采集语音输入。
ASR 模块（自动语音识别） 本地部署 ASR模型，将语音转换为文本，作为后续处理的输入。
LLM 模块（大语言模型） 本地部署 Deepseek R1 模型，对输入文本进行推理与理解，并生成输出结果。
TTS 模块（语音合成） 本地部署语音合成模型，将 LLM 模块生成的文本输出转化为语音。
语音播放模块 通过外接扬声器播放语音输出，完成语音交互。

环境搭建

下载代码

下载源码压缩包：asr-llm-tts.zip

解压命令：

unzip asr-llm-tts.zip -d ~/

安装系统依赖

sudo apt update
sudo apt install -y python3-spacemit-ort spacemit-ollama-toolkit virtualenv wget

安装 Python 依赖

1）创建 Python 虚拟环境

virtualenv ~/demo-env

2）配置 pip 源为进迭时空镜像源

pip config set global.extra-index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple

3）安装项目依赖

cd ~/asr-llm-tts
source ~/demo-env/bin/activate
pip install -r requirements.txt

将 LLM 模型部署到 Ollama

1）确保 Ollama 服务在后台运行

执行以下命令检查服务状态：

systemctl status ollama

输出应该如下所示：

若状态为 inactive，则使用以下命令启动服务：

systemctl start ollama

2）下载Deepseek模型及配置文件

mkdir -p ~/my-ollama
cd ~/my-ollama
wget https://archive.spacemit.com/spacemit-ai/openwebui/deepseek-r1-1.5b.modelfile
wget https://www.modelscope.cn/models/ggml-org/DeepSeek-R1-Distill-Qwen-1.5B-Q4_0-GGUF/resolve/master/deepseek-r1-distill-qwen-1.5b-q4_0.gguf

3）将模型加载至 Ollama

ollama create deepseek-r1-1.5b -f deepseek-r1-1.5b.modelfile

4）复制 NLTK 数据

cp -r ~/asr-llm-tts/nltk_data ~/

启动命令

cd ~/asr-llm-tts/src
source ~/demo-env/bin/activate

启动语音输出版本

python main_tts.py

启动文本输出版本

python main.py

案例简介​

硬件要求​

兼容开发板​

系统要求​

模块清单​

环境搭建​

下载代码​

安装系统依赖​

安装 Python 依赖​

将 LLM 模型部署到 Ollama​

启动命令​