小智ESP32服务器公网部署常见问题与解决方案
2025-06-17 05:57:49作者:龚格成
部署环境准备
在公网云服务器上部署小智ESP32服务器时,首先需要确保服务器环境满足基本要求。建议使用Docker容器化部署方式,这种方式能够快速搭建环境并避免依赖冲突问题。服务器应具备至少2GB内存和20GB存储空间,以确保服务稳定运行。
端口配置要点
公网部署最常见的问题就是端口访问失败。小智ESP32服务器默认使用8000端口(WebSocket)和8002端口(HTTP API),在云服务器上需要特别注意:
- 检查服务器安全组规则,确保8000和8002端口已开放访问
- 验证防火墙设置,临时关闭防火墙测试或添加相应规则
- 确认Docker容器端口映射正确,例如
-p 8002:8002这样的映射关系
授权问题排查
当遇到401未授权错误时,通常有以下几种可能:
- 访问地址不正确,正确的API地址应为
http://服务器IP:8002/,而非包含/xiaozhi路径 - 首次部署时未正确配置
.config.yaml文件,需要从管理后台获取并配置正确的secret值 - 服务启动顺序问题,应先启动manager-api和manager-web服务,注册管理员账号后再配置server
WebSocket连接异常处理
WebSocket服务启动后,如果测试页面无法连接,需要检查:
- WebSocket地址格式应为
ws://服务器IP:8000/xiaozhi/v1/ - 浏览器控制台查看具体错误信息,常见的有跨域问题或协议错误
- 服务端日志中的错误信息,如"missing Connection header"可能表明客户端请求头不完整
服务日志分析
通过docker logs -f xiaozhi-esp32-server命令可以查看实时日志,重点关注:
- 各组件初始化状态,如TTS、LLM、VAD等模块是否成功加载
- WebSocket服务启动信息,确认监听的IP和端口
- 错误堆栈信息,特别是InvalidUpgrade等异常
最佳实践建议
- 首次部署建议先在局域网测试通过后再迁移到公网
- 使用Nginx反向代理可以简化端口管理并增强安全性
- 定期备份配置文件和数据目录
- 保持组件版本更新,但升级前注意查看变更日志
通过以上方法,大多数部署问题都能得到有效解决。如果遇到特殊问题,建议详细记录错误日志和环境信息,这将大大有助于问题诊断。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217