开源项目第233期：Open-XiaoAI — 刷机接管小米小爱音箱，接入 ChatGPT/小智 AI/Gemini Live

引言

"让小爱音箱「听见你的声音」，解锁无限可能。"

这是「每日一个开源项目」系列的第 233 篇 。今天的项目是 Open-XiaoAI ------ 一个直接接管小米小爱音箱硬件能力的开源项目，2,611 颗 Star，MIT 许可证，作者 idootop（Del Wang）。

提醒：本项目已经停止维护，不再提供更新与支持。文章仍然值得一读，因为它展示了一种"硬件厂商没给的能力，自己动手补上"的完整工程方法，这个思路对任何想魔改消费电子设备的人都有参考价值。

小爱音箱作为千万级销量的智能音箱，功能被厂商锁死在"指令-响应"的固定逻辑里------听得见分贝却听不懂情感，能执行命令却不会主动思考。Open-XiaoAI 的做法很直接：刷机 + SSH，直接接管音箱的麦克风输入和扬声器输出，把原本应该交给小米云端的语音识别和对话逻辑，转发到你自己的电脑或服务器上，让任意大模型来处理。

你会学到什么

Open-XiaoAI 的 Client-Server 架构：音箱上只跑一个"转发器"
为什么业务逻辑要放在 Server 端而不是音箱本身
四个官方演示：接入小智 AI、自定义唤醒词、接入 MiGPT、接入 Gemini Live
刷机、SSH、交叉编译部署的完整流程
这类硬件改造项目的安全边界和风险

前提知识

有一台小爱音箱 Pro（LX06）或 Xiaomi 智能音箱 Pro（OH2P）------ 仅限这两款机型
基础的 Linux/SSH 操作经验
了解 Rust 和 Python/Node.js 任一语言会更容易上手

项目背景

概述

这不是作者第一次改造小爱音箱。上一个项目 MiGPT 已经实现过把 ChatGPT 接入小爱音箱，但那套方案仍然依赖小米原生的语音识别管线。Open-XiaoAI 这次更进一步------直接接管音箱的"耳朵"和"嘴巴"，彻底绕开小米云端，把音频输入输出的控制权完全交给自己。

作者 / 团队

作者: idootop（Del Wang）
主要语言: Rust（Client 端补丁）+ Python / Node.js（Server 端示例）
许可证: MIT License
创建时间: 2025-04-07
当前状态: ⚠️ 已归档停止维护

项目数据

⭐ GitHub Stars: 2,611+
🍴 Forks: 447+
📄 许可证: MIT
📅 创建时间: 2025-04-07
🎯 适配机型: 仅限小爱音箱 Pro（LX06）、Xiaomi 智能音箱 Pro（OH2P）

核心架构：Client 转发，Server 决策

Open-XiaoAI 由两部分组成，职责划分非常清晰：

Client 端（跑在音箱上，Rust 编写）

Client 端是一个刷进音箱固件的补丁程序，只做转发和被动响应，不实现任何业务逻辑：

建立与 Server 端的双向实时通信（WebSocket 协议）
把麦克风采集到的音频流转发给 Server 端
把音箱上发生的事件（语音识别结果、播放状态等）转发给 Server 端
响应 Server 端发来的指令（执行脚本、播放音频流、系统升级等）

为什么业务逻辑不放在音箱里？项目文档给出了很诚实的解释：小爱音箱的内存算力和存储空间极其有限，语音识别这类任务根本跑不动；而且用 Rust 写复杂业务逻辑，开发效率远不如 Python/Node.js，后者的 AI 生态也更丰富。

Server 端（跑在你的电脑/服务器上，语言任选）

真正的"大脑"全部在 Server 端------你可以用 Python、Node.js，接入任何大模型或 Agent 框架，决定音箱该怎么回应。Rust Client 通过语言 binding 和 Python/Node.js 双向互调，复用同一套网络通信模块；如果你想用别的语言写 Server，也可以参考 Rust 端的通信协议自己实现。

arduino 复制代码

小爱音箱（刷机后）                    你的电脑/服务器
┌─────────────────────┐          ┌──────────────────────┐
│  Rust Client（转发器） │  WebSocket  │  Server（任意语言）     │
│  - 麦克风音频流         │ ◄──────► │  - 语音识别/VAD/唤醒词   │
│  - 扬声器播放           │          │  - 大模型/Agent 对话逻辑  │
│  - 系统事件             │          │  - 自定义业务逻辑        │
└─────────────────────┘          └──────────────────────┘

四个官方演示

项目在 examples/ 目录提供了四个可以直接跑起来的演示，各自对应一种接入方式：

1. 接入小智 AI（Python，`examples/xiaozhi`）

把音箱接入小智 AI，支持连续对话、中途打断、中英文自定义唤醒词。底层用的是 py-xiaozhi 项目的语音处理能力，配合 VAD（语音活动检测）和 KWS（关键词唤醒）模型。

bash 复制代码

docker run -it --rm -p 4399:4399 \
  -v $(pwd)/config.py:/app/config.py \
  idootop/open-xiaoai-xiaozhi:latest

配置文件里可以自定义唤醒词：

python 复制代码

APP_CONFIG = {
    "wakeup": {
        "keywords": ["豆包豆包", "你好小智", "hi siri"],
    },
    "xiaozhi": {
        "OTA_URL": "https://api.tenclass.net/xiaozhi/ota/",
        "WEBSOCKET_URL": "wss://api.tenclass.net/xiaozhi/v1/",
    },
}

2. 自定义唤醒词（独立演示）

展示如何把"小爱同学"替换成任意自定义唤醒词------这意味着你的音箱可以不再叫"小爱同学"，而是叫任何你喜欢的名字。

3. 接入 MiGPT 完美版（Node.js，`examples/migpt`）

相比原版 MiGPT 项目，这个版本能完美打断音箱的回复，响应延迟更低。配置极简，直接填 OpenAI 兼容的 API：

typescript 复制代码

export const kOpenXiaoAIConfig = {
  openai: {
    model: "gpt-4.1-mini",
    baseURL: "https://api.openai.com/v1",
    apiKey: "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx",
  },
  prompt: {
    system: "你是一个智能助手，请根据用户的问题给出回答。",
  },
};

4. 接入 Gemini Live API

展示如何把音箱接入 Google 的 Gemini Live 多模态实时对话 API，实现更自然的语音交互体验。

此外还有一个 立体声组合演示，支持把两个不同型号的音箱组成立体声播放。

快速上手：从刷机到跑通演示

$!IMPORTANT$ 本教程仅适用于小爱音箱 Pro（LX06）和 Xiaomi 智能音箱 Pro（OH2P），其他型号请勿尝试。

完整流程分三步：

Step 1：刷机 + SSH

按照刷机教程给音箱刷入补丁固件，开启并 SSH 连接到音箱。这一步涉及硬件层面的改造，有一定风险，不熟悉的用户需要谨慎。

Step 2：在音箱上安装 Client 端

shell 复制代码

# 在音箱上创建工作目录
mkdir /data/open-xiaoai

# 设置 Server 端地址（替换成你自己电脑的局域网 IP）
echo 'ws://192.168.31.227:4399' > /data/open-xiaoai/server.txt

# 下载并运行 Client 端
curl -sSfL https://gitee.com/idootop/artifacts/releases/download/open-xiaoai-client/init.sh | sh

如果想要开机自启：

shell 复制代码

curl -L -o /data/init.sh https://gitee.com/idootop/artifacts/releases/download/open-xiaoai-client/boot.sh
reboot

Step 3：在电脑上运行 Server 端演示

选择上面四个演示中的任意一个，按各自的 README 配置运行即可。

想自己编译 Client 端？

shell 复制代码

git clone https://github.com/idootop/open-xiaoai.git
cd packages/client-rust

# 交叉编译成 ARMv7（需要先装好 cross）
cross build --release --target armv7-unknown-linux-gnueabihf

编译产物通过 dd + ssh 直接写入音箱：

shell 复制代码

dd if=target/armv7-unknown-linux-gnueabihf/release/client \
| ssh -o HostKeyAlgorithms=+ssh-rsa root@你的小爱音箱IP地址 \
  "dd of=/data/open-xiaoai/client"

安全边界：这是一个"抛砖引玉"的演示

项目文档里有一段非常坦诚的风险说明，值得完整引用其精神：这只是一个基础演示程序，没有做多设备连接管理、身份认证、通信数据加密、音频压缩传输。默认提供的"执行任意脚本"能力演示虽然要求你本人指定可信的 Server 地址，但如果在公网上运行，必须格外谨慎------音箱会把麦克风采集到的音频流原始转发出去，一旦 Server 端地址被恶意篡改，等同于把家庭环境的声音开放给了未知第三方。

项目的免责声明也明确了边界：仅供学术研究或个人测试，不得用于商业服务；项目与小米集团无任何隶属或合作关系，未获官方授权，所有商标、固件、云服务的权利归小米集团所有。

项目地址与资源

🌟 GitHub : idootop/open-xiaoai（已归档）
📺 演示视频 : 小爱音箱接入小智 AI · 自定义唤醒词 · 接入 MiGPT
🔗 前作项目 : mi-gpt、migpt-next
🔗 相关生态 : xiaogpt、xiaomusic
📖 刷机技术参考 : open-lx01、xiaoai-patch

总结

Open-XiaoAI 虽然已经停止维护，但它留下的工程思路仍然值得学习：当硬件厂商把设备的能力锁死在固定逻辑里时，"刷机接管底层硬件接口 + 把所有智能决策转移到自己可控的服务器"是一条可行且相对克制的改造路径。

三点值得注意：

Client 端"只转发不决策"的职责划分很克制。 很多硬件改造项目会试图把所有逻辑都塞进设备本身，结果受限于算力和开发效率举步维艰。Open-XiaoAI 把 Client 端做得尽可能薄------只负责音频转发和指令响应，所有 AI 能力都放在算力和生态都更强的 Server 端，这是嵌入式改造里一个值得复用的架构模式。

四个演示代表四种接入哲学，而不是在卖同一个方案。 小智 AI 走的是开源语音助手生态，MiGPT 直接接 OpenAI 兼容接口，Gemini Live 用谷歌的实时多模态 API------项目没有把自己绑死在某一个 AI 服务商，而是展示了"转发层做好了，上层随便换"的灵活性。

诚实的风险披露，是硬件改造类开源项目应有的态度。 项目反复强调"仅供学习参考""不要在公网运行""注意安全"，没有把这类有一定风险的操作包装成"开箱即用的产品"。这种克制对想要动手实践的人来说，比花哨的营销文案更有价值。

如果你手头正好有一台 LX06 或 OH2P 小爱音箱，想体验"自己完全掌控家里的智能音箱"是什么感觉，Open-XiaoAI 的代码和文档仍然是一份完整可读的参考，即便项目本身不再更新。

探索 PrimeSkills ------ 精选 AI agent 和技能工具，每一个都经过真实工作流验证。没有炒作，只有真正好用的工具。

访问我的个人主页，获取更多见解和有趣的产品。

开源项目第233期：Open-XiaoAI — 刷机接管小米小爱音箱，接入 ChatGPT/小智 AI/Gemini Live

引言

你会学到什么

前提知识

项目背景

概述

作者 / 团队

项目数据

核心架构：Client 转发，Server 决策

Client 端（跑在音箱上，Rust 编写）

Server 端（跑在你的电脑/服务器上，语言任选）

四个官方演示

1. 接入小智 AI（Python，examples/xiaozhi）

2. 自定义唤醒词（独立演示）

3. 接入 MiGPT 完美版（Node.js，examples/migpt）

4. 接入 Gemini Live API

快速上手：从刷机到跑通演示

Step 1：刷机 + SSH

Step 2：在音箱上安装 Client 端

Step 3：在电脑上运行 Server 端演示

想自己编译 Client 端？

安全边界：这是一个"抛砖引玉"的演示

项目地址与资源

总结

1. 接入小智 AI（Python，`examples/xiaozhi`）

3. 接入 MiGPT 完美版（Node.js，`examples/migpt`）