0 前言
几个月前，B站Up主牛逼的虾米开源了小智AI项目，在互联网上掀起了轩然大波，很多人下场跟风制作。在接触了一些信息后，浅谈下我对这个项目的认知。
1 小智AI是什么
虾哥开源的小智AI是一个实时语音对话项目，用户可以通过麦克风与AI进行实时对话。
- 硬件：主要包括麦克风、扬声器、显示器和ESP32芯片。麦克风用来接入用户的语音，扬声器用来播放AI的回答，显示器用来实时显示AI回答的文字，芯片则是调度处理各种硬件的输入输出以及调用各种模型。
- 软件：主要包括语音转文本、大语言模型（LLM）和文本转语音（TTS）。语音转文本用来对麦克风输入的语音进行识别，并转为文本信息；LLM在输入上一步得到的文本信息后，经过分析处理返回输出文本并通过显示器展示；此外，输出文本还将经过TTS模型，转化为特定的音色进行输出并通过扬声器播放。
2 目前存在的一些问题
目前市面上基本都倾向于将小智AI做的很小，基本在AirPods充电盒的尺寸附近。这也就导致硬件部分包含电池的话，会使得电池所能占据的体积非常有限，也就意味着电池容量的续航很有限。以我购买的虾哥C3版本为例，充满电只够连续对话5分钟左右，使得不得不一直插着电源线，与便携反而背道而驰。
软件方面，由于目前LLM发展极为迅速，GPT、千问、DeepSeek等作为“大脑”，已经能够达到非常“聪明”的程度。同时，商业化TTS模型方面表现也极为出众，可以从目前各种AI配音的沙雕动画、小说等感受到。但语音转文本模型在我实际体验下来不是那么的友好。由于语音存在方言、口音差异、同音词、发音不准等各方面的问题，使得语音识别结果不是那么的准确。特别是在进行跨语种交流时，识别效果极为差劲，经常反复重复了好几遍也没有识别准确，
3 可能存在的市场需求
- 语音陪伴：该项目主要功能就是能够连续对话，所以作为无聊时的聊伴再合适不过了。
- 英语家教：通过TTS选择合适的音色之后，可以发出非常标准的英语，因此在一些时候用来学习英语口语是非常不错的。同理，也可以用来学习任意语种。
- 实时翻译：如出国旅游的时候，随身携带一个进行实时翻译，应该还是比较方便的。
评论 (0)