xiaozhi-esp32 自定义唤醒词3 步快速配出你的专属唤醒音【免费下载链接】xiaozhi-esp32An MCP-based chatbot | 一个基于MCP的聊天机器人项目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32你对桌上那个小盒子说一声小土豆指示灯亮起它凑过来听你说话然后才开始连上服务器对话。在 xiaozhi-esp32 里这套叫名字才响应的行为正是「自定义唤醒词」功能带来的效果——助手叫什么名字由你决定不用一直喊默认的那几个词。一句话说明这个功能它让芯片在本地离线识别你指定的一组拼音说中才触发语音交互。默认唤醒词是固定模型词改不了想让设备响应宠物名、品牌词或者你的外号就需要它。快速上手ESP-SR 唤醒词配置 3 条命令跑通先说硬件前提自定义唤醒词走的是 ESP-SR 的 MultiNet多命令词模型只支持 ESP32-S3、ESP32-P4、ESP32-S31而且必须带 PSRAM——模型参数要放在片外内存里。手上是带 PSRAM 的 S3 板子就可以直接走这三步整个流程就是改三个参数、编译、烧录打开配置界面找到Xiaozhi Assistant → Wake Word Implementation Type把选项切到Multinet model (Custom Wake Word)顺手填下表里的三个参数保存退出编译并烧录。配置项默认值含义USE_CUSTOM_WAKE_WORD未选中启用自定义唤醒词选 Multinet 即打开依赖 S3/P4/S31 PSRAMCUSTOM_WAKE_WORDxiao tu dou唤醒词拼音一字一拼音空格分隔CUSTOM_WAKE_WORD_DISPLAY小土豆唤醒后显示的名称也是唤醒时发给服务器的问候词CUSTOM_WAKE_WORD_THRESHOLD20识别阈值%1–99越小越敏感idf.py menuconfig # Wake Word Implementation Type 选 Multinet填好上面 3 个参数 idf.py build # 编译固件 idf.py flash # 烧录上电后直接喊小土豆验证烧录完有两个小开关值得顺手看一眼SEND_WAKE_WORD_DATA默认开会把唤醒词那几秒的原始音频作为对话的第一条消息发给服务器服务端能听见你喊了什么WAKE_WORD_DETECTION_IN_LISTENING默认关开启后设备在听你说话的间隙也能被再次喊醒实现对话中途打断。它是怎么听到唤醒词的ESP32 离线唤醒词原理白话版流程麦克风以 16 kHz 采出 PCM切片后持续喂给 ESP-SR 多命令词识别MultiNet——芯片同时盯着几条指令词。某一片命中且置信度超过阈值状态翻成 detected代码取出命中词并触发唤醒回调。全程不经过网络这就是它能在断网时也叫得醒的原因。核心判断分支就这几行摘自检测主循环auto state multinet_-detect(model_data, input_buffer_.data()); if (state ESP_MN_STATE_DETECTED) { auto* res multinet_-get_results(model_data); if (commands_[res-command_id[0] - 1].action wake) { wake_word_detected_callback_(commands_[res-command_id[0] - 1].text); } } multinet_-clean(model_data);两个细节影响实际体验识别窗口大约 3 秒话说得太慢、中间停顿了太久状态机会走超时分支清掉重来听感上就是没反应命中后只有动作为 wake 的词才会拉起对话其余命令词会被忽略——这一点后面做多唤醒词时正好用得上。唤醒词拼音填什么4 个维度选词维度推荐 ✅避免 ❌音节数3~4 音节如xiao zhi zai6 音节以上识别窗口长、容易听漏声韵搭配声母韵母清晰如ni hao xiao zhin/l、z/c/s这类易混音连续出现生僻度日常会说顺口的常见词生僻组合你自己都念不自然个性化有含义的名字宠物名、品牌词无意义的随机拼音串填CUSTOM_WAKE_WORD时用空格分隔拼音CUSTOM_WAKE_WORD_DISPLAY写对应的中文保证屏幕显示和发给服务器的问候词对得上。想更灵敏就选 3 音节、声调起伏明显的词怕误触发就上 4 音节并让其中至少一个字是日常对话里很少出现的。阈值调到多少合适按环境对号入座CUSTOM_WAKE_WORD_THRESHOLD是百分比1–99越小越敏感本质是在听漏和误唤之间做交换。别拍脑袋先看设备放哪环境场景推荐区间一句话调优思路安静室内15–20从默认 20 起步还漏就每 5 个点降一档普通办公20–25平衡漏唤醒率与电视、闲聊带来的误触发嘈杂公共25–30提高阈值用灵敏度换稳定车载30–35强噪声环境只接高置信度命中调法很简单在目标环境里连续说 10 遍同一句唤醒词3 次以上没叫醒就把阈值降 51 次误触发就升 5每档都重测。注意阈值救不了硬件问题——麦克风太远、底噪很大时先处理拾音再谈调参。听不到唤醒词先查这三处现象喊了完全没反应根因唤醒词类型还停留在默认的 Wakenet 模型自定义拼音只在 Multinet 分支下生效。 解法menuconfig 里切到 Multinet model (Custom Wake Word)重新编译烧录。现象拼音没填错但怎么喊都听漏根因芯片不在 S3/P4/S31 列表、没有 PSRAM配置根本没启用或阈值偏高。 解法先确认 set-target 和 PSRAM 状态再把阈值每 5 一档降到 15排除慢速发音超时3 秒窗口内说完。现象误触发频繁自己会醒根因唤醒词嵌在常用口语里比如含你好或阈值给低了。 解法换一个日常对话里很少出现的词组阈值每次升 5 重测同时确认不是旁人离麦太近造成的拾音问题。进阶多唤醒词与动态切换怎么做MultiNet 本身支持一次注册多条命令词每个词分配一个 ID检测命中后回传命中词与置信度代码再按 ID 决定这个词是唤醒还是指令。所以一个词负责叫醒、其余词当快捷指令这种玩法不用改架构注册阶段多写几行就行。运行时切换唤醒词同理清掉旧注册表、加入新词、更新生效三步完成之后记得清一次检测状态避免残留音频误触发。esp_mn_commands_clear(); esp_mn_commands_add(1, ni hao xiao zhi); // ID 1唤醒词 esp_mn_commands_add(2, xiao zhi tui xia qu); // ID 2指令词不触发对话 esp_mn_commands_update(); // 注册生效想把它做成用户可配置的能力建议把拼音和显示名都放进设备配置里启动时一起读入并重新注册切换唤醒词就不用再烧固件了。收束xiaozhi-esp32 的自定义唤醒词本质就是给 MultiNet 注册一组拼音用阈值决定何时叫醒——选词、填阈值、烧录三件事做完就能用。阈值怎么调、多命令词怎么组合这些细节项目社区里已有不少现成讨论带着你的板子型号去问通常比盲调快。【免费下载链接】xiaozhi-esp32An MCP-based chatbot | 一个基于MCP的聊天机器人项目地址: https://gitcode.com/GitHub_Trending/xia/xiaozhi-esp32创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考