coderzc/open-xiaoai-bridge

何を解決するか

Open-XiaoAI Bridge は、Xiaoai スマートスピーカーの閉鎖的なエコシステムを破り、外部のAIサービスと接続できるようにします。ユーザーはネイティブAIの代わりに、より柔軟で強力、またはカスタマイズ可能なLLMベースのエージェントやサービスを使用できるようになります。

動作方法

このプロジェクトは、カスタムRustクライアントをファームウェアフラッシュでインストールした改造済みXiaoaiスピーカーと、さまざまなAIバックエンドの間でサーバーサイドのブリッジとして機能します。スピーカーからの音声をキャプチャし、VAD（音声活動検出）、KWS（キーワード検出）、およびオプションのローカルASR（音声認識）で処理した後、設定されたAIサービスにリクエストをルーティングします。ブリッジは、単一ターンコマンドと連続的なマルチターン会話の両方に対応しています。

対象ユーザー

Xiaoai スマートスピーカー所有者で、先進的なAIエージェント（OpenClawやQwenPawなど）やOpenAI互換APIと統合して、パーソナライズされた音声制御AIアシスタントを作成したいユーザー。

特徴

• 複数バックエンド対応：Ollama、LM StudioなどのOpenAI互換サービス、OpenClaw、QwenPaw、Xiaozhi AIと統合可能。
• カスタムウェイクワード：複数のカスタムウェイクワードをサポートし、異なるAIサービスや特定のエージェントにルーティング可能。
• マルチエージェントルーティング：1台のスピーカーで複数の独立したAIパーソナリティをホストでき、使用されたウェイクワードに基づいてエージェントセッションを動的に切り替え可能。
• 連続会話：繰り返しウェイクワードを言う必要なく、マルチターン対話が可能。
• リモート制御API：HTTP APIを提供し、リモートでテキスト読み上げ（TTS）、音声URL/ファイルの再生、デバイスの起動をトリガー可能。
• ハイブリッドASR：ローカルオフラインASR（SherpaASR）とスピーカーのネイティブASRの両方をサポート。