首页
/ xiaozhi-esp32:3个步骤扩展唤醒词存储,解决AI助手存储瓶颈

xiaozhi-esp32:3个步骤扩展唤醒词存储,解决AI助手存储瓶颈

2026-03-14 04:30:53作者:房伟宁

问题引入:唤醒词存储不足的痛点与解决方案

你是否遇到过这样的情况:刚添加了第二个自定义唤醒词,设备就提示"存储空间不足"?默认配置下的xiaozhi-esp32往往受限于基础存储分区(存储区域分配方案),无法满足多唤醒词、大模型的存储需求。本文将通过三个核心步骤,带你完成自定义分区配置,让设备存储容量提升300%,轻松支持多场景语音交互。

核心原理:认识存储分区与容量分配

存储分区的工作机制

分区表(存储区域分配方案)就像设备的"硬盘分区",将ESP32的Flash存储空间划分为不同功能区域。xiaozhi-esp32默认采用4MB基础配置,其中唤醒词模型仅分配1MB空间,这也是多数用户遇到存储不足的根本原因。

存储分配可视化图表

分区名称 类型 大小 功能说明
nvs 数据区 16KB 存储系统配置信息
otadata 数据区 8KB OTA升级信息
phy_init 数据区 4KB 无线射频参数
model 数据区 4MB 唤醒词模型存储(可扩展)
ota_0 应用区 6MB 主程序分区
ota_1 应用区 6MB 备份程序分区

注:以上为16MB Flash配置下的优化方案,model分区相比默认配置提升300%

操作指南:三步完成存储扩展

准备工作:选择合适的分区模板

根据你的设备Flash容量选择对应模板:

  • 16MB Flash:使用partitions/v1/16m_custom_wakeword.csv模板
  • 32MB Flash:使用partitions/v1/32m.csv模板
  • 其他容量:复制现有模板修改Size字段自定义分配

执行步骤:配置与生成

🔧 配置修改:打开选择的CSV文件,确认model分区大小参数。例如16m_custom_wakeword.csv中应包含:

model, data, spiffs, 0x10000, 0x3f0000  # 4MB唤醒词存储区

📦 工具准备:运行项目提供的脚本工具生成分区文件:

python scripts/spiffs_assets/build_all.py --mode emoji_collections

该命令会在scripts/spiffs_assets/build/final目录生成包含唤醒词模型的assets.bin文件。

验证方法:烧录与确认

连接设备并执行烧录命令:

idf.py -p /dev/ttyUSB0 partition-table-flash

如何验证分区是否生效?通过MCP协议发送存储信息查询命令:

{
  "method": "tools/call",
  "params": {
    "name": "system.storage.info"
  }
}

返回结果中model分区大小应显示为4MB(或自定义大小)。

进阶技巧:优化与问题排查

高级容量扩展

需要存储超过4MB的唤醒词模型时,可修改分区文件:

model, data, spiffs, 0x10000, 0x7f0000  # 扩展为8MB

同时更新build_all.py中的模型打包参数,支持更大模型组合。

常见问题排查

  1. 烧录失败:检查Flash容量是否匹配所选模板,16m模板需16MB以上Flash
  2. 模型加载错误:确认model分区类型为spiffs,且大小足够容纳模型文件
  3. OTA升级失败:确保ota_0和ota_1分区总和不超过Flash剩余空间

MCP协议架构图 图:xiaozhi-esp32的MCP协议架构,展示设备与云服务的交互流程

通过以上步骤,你的xiaozhi-esp32设备将获得充足的唤醒词存储空间,为打造个性化AI助手奠定基础。配合MCP协议,还能实现唤醒词动态切换和远程更新,让语音交互体验更上一层楼。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
16
docsdocs
暂无描述
Markdown
843
5.64 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
835
1.26 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.03 K
2.44 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
839
1.67 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
507
540
flutter_flutterflutter_flutter
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.13 K
304
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
496
337
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.24 K
1.36 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.15 K
844