小智 ESPhome：给 ESP32 设备装上 AI 大脑

痛点场景：闲置的小智设备能复活吗？

2025 年，市面上出现了多款基于 ESP32 芯片的小型 AI 语音助手设备——内置麦克风、扬声器、显示屏，出厂即支持与大语言模型对话。但这些设备原厂固件封闭、功能单一，很多用户买回来体验几天后便束之高阁。

一个荷兰极客 RealDeco 发现了一个突破口：这些设备的硬件底层其实是 ESP32-S3 芯片 + ESPHome 固件框架，完全可以用 ESPHome 社区的力量重新赋能。经过数月逆向工程和开发，他在 GitHub 上发布了 xiaozhi-esphome 项目，让这些设备变成了 Home Assistant 的语音卫星节点。

截至 2026 年 6 月，这个项目已获得 764 Stars、118 Forks，社区活跃度远超同期同类硬件项目。

项目背景：ESPHome 的力量

ESPHome 是 ESPHome.io 社区维护的固件框架，它用 YAML 配置文件 来描述 ESP32/ESP8266 设备的行为，用户无需写一行 C++ 代码，只需写 YAML 即可配置传感器、网络、显示、语音等组件。

xiaozhi-esphome 项目本质上是一套 ESPHome 配置模板库。项目维护者 RealDeco 以一己之力（2027 次提交）维护了支持 30+ 款硬件设备的 YAML 配置文件，覆盖从 10 美元的 ESP32-S3 开发板到 Waveshare 彩色显示屏的各种组合。

核心技术：模块化 YAML 架构

项目采用高度模块化的设计，核心逻辑在 core.yaml 中定义，设备专用配置引用它：

esphome:
  name: ${name}
  friendly_name: ${friendly_name}
  min_version: 2026.4.0

wifi:
  ssid: !secret wifi_ssid
  password: !secret wifi_password

api:
  password: !secret api_password

micro_wake_word:
  models:
    - model: okay_nabu

设备配置示例（Waveshare 1.85C 显示屏）通过 substitutions 引用核心配置，自动适配不同屏幕分辨率（360×360、480×480、800×480 等）和不同角色壁纸。

项目支持的关键 ESPHome 组件：

• micro_wake_word：本地唤醒词检测（如 "Okay Nabu"），无需云端
• voice_assist：多阶段语音助手状态机（idle → listening → thinking → replying）
• display：支持多种 Waveshare/Guition 显示面板的渲染
• captive_portal：设备配网时的 AP 热点门户
• esp32_wifi / ethernet：支持 Wi-Fi 或以太网双模连接

功能亮点

1. 多角色壁纸与动态表情

每个设备可配置不同角色形象（avatar），内置超过 30 种预设角色，从经典的 Jarvis、Alfred 到原创的 Cybergirl、Harley。同时还支持显示表情状态：loading、idle、listening、thinking、replying、error、timer_finished，通过字体颜色和动画传递设备当前状态。

图1：xiaozhi-esphome 支持多种角色壁纸；图2：支持彩色显示屏的动态表情渲染

2. 多设备存在感测与灯光联动

配置文件中可以接入 Home Assistant 的实体状态，实现"人在灯亮、人走灯灭"的自动化场景：

sensor1_entity: "binary_sensor.8266_presense_2_presence"
light1_entity: "light.livingroom_all_lights"
sensor1_label: "Tech Room"

设备本身是 ESP32 节点，同时也是 Home Assistant 的传感器——利用这个特性，xiaozhi-esphome 将设备的在场检测能力直接反馈给 Home Assistant 的自动化引擎。

3. 本地唤醒词引擎

项目仓库附带了 MicroWakeWords 子模块，收录了预训练好的 .tflite 唤醒词模型（如 okay_nabu）。用户也可以使用 kahrendt/microWakeWord 工具训练自己的唤醒词，实现完全本地化的语音激活。

4. Sendspin 增强模式

2026 年 5.0+ 版本引入 Sendspin 支持，可在语音回复的同时推送歌词同步、动态可视化等附加信息，适合音乐播放场景。

上手门槛

入门路径（30 分钟）： 用 USB 连接设备 → ESPHome Web 识别设备 → 粘贴对应 YAML → 无线 OTA 安装 → Home Assistant 自动发现设备。

图3：ESP32-S3 开发板设备组装；图4：彩色显示屏实时渲染界面

局限性

1. 固件 OTA 升级依赖 ESPHome：如果 ESPHome 版本更新导致 API 不兼容，旧固件可能需要手动重新编译刷入。
2. Xiaozhi AI 云端能力：设备本身仍然依赖小智 AI 的云端服务作为对话后端，本地化程度受限于小智提供的 API 接口。
3. 显示适配工作量：新增一款硬件设备需要手动测试 YAML 参数，项目维护依赖社区贡献者测试反馈。
4. 文档语言：项目文档以英文为主，中文社区用户需要借助翻译工具。

行业意义

xiaozhi-esphome 代表了一个有趣的趋势：将消费级 AI 硬件的封闭生态，通过开源固件框架重新夺回控制权。

与树莓派上的 Home Assistant 生态类似，ESPHome 社区已经覆盖了从温湿度传感器到工业 PLC 的海量设备。将 AI 语音助手纳入这一生态，意味着用户可以在 Home Assistant 的统一自动化平台上，用 Node-RED、AppDaemon 或简单的 YAML 规则来编排 AI 语音交互逻辑——而不被原厂 APP 的功能边界所限制。

从增长曲线看，该项目从 2025 年 6 月上线到 2026 年 6 月获得 764 Stars，增长速度在 ESPHome 相关项目中位居前列。值得关注的是，社区已经开始出现基于该项目衍生的定制固件和商业化产品。

分析基于 2026-06-17 GitHub 仓库数据 | Stars: 764 | Forks: 118 | License: MIT