xiaozhi-android-client

GitHub
1.4k 367 非常简单 1 次阅读 今天Apache-2.0语言模型Agent开发框架图像
AI 解读 由 AI 自动生成,仅供参考

xiaozhi-android-client 是一款基于 Flutter 框架开发的跨平台 AI 语音助手客户端,完美支持 Android、iOS 以及 Web 和桌面端。它旨在为用户提供流畅的实时语音交互与文字对话体验,解决了传统助手响应延迟高、多端数据不同步以及缺乏个性化定制的痛点。

无论是希望快速部署私有化 AI 助手的开发者,还是追求高效智能交互的普通用户,都能从中受益。对于开发者而言,项目提供了丰富的扩展能力;对于终端用户,它则是一个懂你声音、能断句插话的贴心伙伴。

其技术亮点显著:采用 WebSocket 与 MQTT 协议实现低延迟通信,首句响应可低于 1 秒;支持“实时打断”功能,让用户在助手播报时随时插话;具备声纹识别与音色克隆能力,打造专属声音形象;同时集成 MCP 协议以调用外部工具,并支持 Live2D 虚拟形象互动及多模型切换。此外,它还深度适配商业版服务端,提供长期记忆、设备管理及可视化监控等企业级功能,是构建下一代智能语音交互应用的优秀开源选择。

使用场景

独居老人张大爷希望拥有一款能听懂方言、随时陪聊且能控制家中智能设备的专属助手,但市面上通用 APP 操作复杂且缺乏个性化。

没有 xiaozhi-android-client 时

  • 交互门槛高:传统语音助手对方言识别率低,张大爷必须字正腔圆地说话,一旦说错需反复重试,体验极差。
  • 功能割裂严重:聊天、控制智能家居(如开灯、查天气)和查看历史记录分散在不同应用中,老人难以记忆操作路径。
  • 响应延迟明显:普通方案在网络波动时首句响应常超过 3 秒,对话断断续续,无法实现自然的“打断”交流,让老人觉得机器“不聪明”。
  • 缺乏情感连接:助手声音机械单一,无法克隆子女音色或记住老人的喜好与过往对话,难以建立信任感。

使用 xiaozhi-android-client 后

  • 自然流畅对话:依托服务端极速响应(<1 秒)和实时语音打断功能,张大爷可随时插话,像与人交谈一样自然,方言识别准确率大幅提升。
  • 全能一体化入口:在一个界面即可实现闲聊、通过 MCP 调用手机功能(如导航、听戏)及控制 IoT 设备,配合大字体和自适应主题,操作一目了然。
  • 深度个性化定制:利用声纹识别和音色克隆技术,助手能用子女的声音回应,并基于长期记忆主动关心老人身体,提供情绪价值。
  • 多端无缝协同:张大爷在手机上的对话记忆和设置可同步至家中 ESP32 硬件终端,确保服务随时随地在线,数据不丢失。

xiaozhi-android-client 通过低延迟的全双工语音交互与深度个性化配置,将冷冰冰的 AI 模型转化为真正懂用户、有温度的家庭智能伴侣。

运行环境要求

操作系统
  • Android
  • iOS
  • Web
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该项目为基于 Flutter 框架开发的客户端应用(非纯 Python 后端),支持多平台部署。商业版功能需配合自研服务端使用,服务端支持 MQTT、WebSocket 协议及火山引擎音色克隆等特性。客户端主要作为交互界面,具体运行资源需求取决于宿主设备(手机/PC)性能,README 中未提供具体的开发环境配置(如 Flutter/Dart 版本)或服务器硬件指标。
python未说明
Flutter
xiaozhi-android-client hero image

快速开始

小智AI助手 Android IOS 客户端

Release License: Apache-2.0 Stars Download

目前已经发布新版本,敬请体验!flutter IOS与安卓回音消除已实现,欢迎大家PR。 觉得项目对您有用的,可以赞赏一下,您的每一次赞赏都是我前进的动力。 Dify支持发送图片交互。可以添加多个小智智能体到聊天列表。

一个基于WebSocket的Android语音对话应用,支持实时语音交互和文字对话。 基于Flutter框架开发的小智AI助手,支持多平台(iOS、Android、Web、Windows、macOS、Linux)部署,提供实时语音交互和文字对话功能。

新版
新版IOS、安卓端(可以自行打包WEB、PC版本)
观看demo视频点击跳转

V3 版本 商业版功能(深度适配自研服务端) 💼

功能模块 状态 描述
自适应主题 深色/浅色主题适配/跟随设备切换主题
AI服务提供商 支持Openai、MiniMax等服务,手机上也能用大模型
思考模式 支持Openai思考模式
HTML代码预览 模型写简单HTML代码进行预览,手机也能ai编程
MCP_Client 支持MCP能力调用,接口数据都能DIY
OpenAI接口联网搜索 支持Oenai 接口服务联网搜索
视频播放 支持播放模型返回的视频
OpenAI 测速 openai接口响应测速,服务快不快一眼见
Live2D 多模型切换、支持导入自己心爱的模型人物
Iot 支持调用手机功能、导航、听歌等
创新性心情模式 支持实时打断模式
MQTT-UDP 支持MQTT协议服务,长连接
WS 支持ws协议服务
语音实时打断 能在小智说话的期间随意打断,说您想说无人能挡
多小智服务 添加多个小智服务,轻松实现每人多助手
打通硬件端 可与硬件端互通,记忆不串
深度适配服务端 适配商业版服务端
用户信息 展示会员到期时间,对话数量、绑定设备数量、声纹数量、配额使用情况、最近活动设备
设备管理 支持手机端查看当前登录用户的所有设备、新增设备
角色管理 支持手机端管理您当前角色、新建角色
声纹管理 支持手机端录制声纹,让您的AI更懂您
对话记录 支持展示最近的对话记录
记忆管理 支持展示记忆
预留页面 预留记账、代办、日记等页面UI,可集成小智后端能力扩展,协同小智,打造了解您的助手

服务端 商业版功能 💼

功能模块 状态 描述
首句响应 唤醒词响应时间 <1秒,极速响应体验
平均响应速度 平均对话响应时间 <2秒(公网CDN网络)(本地内网极限800ms内),流畅对话体验
MQTT协议 支持MQTT通信协议,长连接、服务端主动唤醒
音色克лон 支持火山引擎音色克隆,实现个性化声音定制
声纹识别 支持声纹识别功能,实现个性化语音助手
双向流式交互 支持火山流式播放,实时语音输入和回复输出
用户端 友好的用户端操作界面,原生卡片方式设备管理页面
MCP接入点 基于角色的MCP工具接入点,扩展功能接入(同步虾哥服务)
MCP Hub服务 SSE/HTTP MCP Hub支持更多第三方服务集成
ESP32 设备主题自定义 支持在线配置esp32设备的主题、表情包
Function Call 工具调用,提升用户体验
长期记忆 根据用户对话,提取关键信息记录,智能记忆管理
监控面板 监控日、周、月不同维度Token,对话时长,设备活跃等数据
OTA固件升级 固件上传,自动升级,远程设备管理
聊天数据可视化 聊天频率统计图表等数据可视化功能,监控对话数据趋势
用户会员制 支持更具会员等级设置Token数,支持包月/年,在线支付(支付宝、微信、PayPal)

联系方式

  • email

lhht0606@163.com

  • wechat

Forever-Destin

支持提供定制化开发客户端可以联系WeChat

服务端图形化部署工具

🌟支持

您的每一个start⭐或赞赏💖,都是我们不断前进的动力🛸。

赞助

ko-fi

Star History

Star History Chart

版本历史

v2.12025/03/31
v1.9.52025/03/21
v1.92025/03/14
v1.82025/03/14
v1.72025/03/14
v1.62025/03/14
v1.52025/03/11
v1.42025/03/11
v1.32025/03/11
v1.22025/03/04
v1.0.02025/02/27

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|3天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|4天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

147.9k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.1k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|3天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|3天前
语言模型图像Agent