什么是 PY-XIAOZHI？
PY-XIAOZHI 是一款基于 Python 开发的 AI 小智语音客户端。它通过移植原生小智 ESP32 的代码，将原本需要特定硬件才能实现的语音交互功能，直接迁移至通用计算机平台。这意味着用户无需购买或组装复杂的硬件设备，只需在台式机或笔记本电脑上运行，即可享受流畅的实时语音对话体验。
在协议支持上，该项目原生兼容 MQTT 与 WSS 双协议，不仅支持对话过程中的实时打断，还能维持连续的交互流。由于采用了模块化设计，开发者可以轻松参照官方实现来扩展新协议。
核心功能详解
流畅的语音交互体验
系统集成了完整的语音输入、识别与合成链路，能够模拟自然的对话节奏。得益于 打断式交互 机制，AI 的响应更加及时；而开启“自动对话”模式后，用户在多轮沟通中无需重复唤醒，交互体验更加连贯。
多模态视觉处理
通过集成图像识别能力，PY-XIAOZHI 能将静态画面转化为可理解的文本信息，并结合语音输出构建丰富的交互场景。用户只需配置智谱大模型的 API Key，即可启用物体识别、人脸检测等高级视觉任务。
IoT 智能家居集成
项目深度对接 Home Assistant 平台，通过 HTTP API 实现对灯具、开关及各类传感器的远程控制。除了物理硬件，它还支持虚拟设备（如倒计时器）的接入，其模块化的注册流程极大降低了设备扩展的难度。
高性能网络音乐播放
利用 pygame 库构建的播放器，支持播放、暂停、进度调节及歌词显示。通过本地缓存机制，有效降低了网络波动导致的播放中断，确保音频流的稳定性。
安全传输与唤醒机制
系统内置唤醒词激活功能（默认关闭），可实现真正的免触交互。为了保障隐私与数据安全，所有音频数据均通过加密的 WSS 协议进行传输，有效防止数据被窃听或篡改。
部署与使用特性
多模式交互界面
- GUI 模式： 提供直观的图形界面，通过 AI 表情和对话文本增强沉浸感。
- CLI 模式： 支持纯命令行运行，完美适配资源受限或无显示器的环境。
跨平台兼容性
PY-XIAOZHI 广泛兼容主流操作系统，包括 Windows 10+、macOS 10.15+ 以及各类 Linux 发行版。部署门槛较低，仅需安装 Python 3.9–3.12 环境并确保麦克风与扬声器正常工作即可。
自动化与稳定性优化
为了提升用户体验，项目实现了多项自动化细节：自动管理 MAC 地址以规避网络冲突；首次启动时自动复制验证码并唤起浏览器完成认证。同时，通过类封装和模块化开发，解决了断线重连等关键稳定性问题，为二次开发提供了便利。
资源获取
客户端下载： 点击跳转网盘
