小智AI自定义唤醒词：把「你好小智」改成任意中文词（MultiNet7本地实测）

HopeDengs

30人浏览 · 2026-10-20 23:22:22

HopeDengs · 2026-10-20 23:22:22 发布

小智AI（开源 ESP32-S3 AI 语音助手）默认唤醒词是「你好小智」。想换成自己的词，很多人第一反应是去乐鑫云训练模型、或者找官方支持——其实仓库里就有一条 MultiNet 路线，本地改一个 JSON 就能落地。这篇文章用一块 ESP32-S3-DevKitC-1 把「小麦小麦」完整跑通：新增配置文件、构建、烧录、验证、代价实测、4 条避坑，全程不碰上游源码。适合想把小智AI唤醒词改成自己品牌词/家庭昵称的玩家，和做 AI 语音相关毕设的嵌入式开发者。

一、为什么默认唤醒词不好换：先搞清楚 WakeNet 和 MultiNet

小智AI 出厂默认用「你好小智」唤醒，背后是乐鑫的 WakeNet 预训练模型（wn9_nihaoxiaozhi_tts）。WakeNet 是"固定词表"路线——官方训了哪些词，你只能用哪些词，想换词就得走乐鑫的训练链路，对普通玩家来说门槛很高。

而仓库里其实还挂了一条 MultiNet 路线：这是一个本地可用的多命令识别模型（中文 MultiNet7 量化版 mn7_cn），支持自定义唤醒词/命令词，不用上云训练，模型已经打进构建产物里，本地配置就能启用。

两条路线的本质区别：

维度	WakeNet（默认）	MultiNet（自定义路线）
词表	固定（官方预训练）	自定义（可配任意中文词）
训练	需要乐鑫云/官方链路	不需要，本地配置即可
换词方式	改词表重训	改 JSON 配置
生效模型	`wn9_nihaoxiaozhi_tts`	`mn7_cn`（MultiNet7 量化版）

二、准备工作：环境清单（和上次 MCP 实战完全一致）

本文实测硬件与软件版本如下，和 05/06 系列文章同一套环境：

项	型号/版本
开发板	ESP32-S3-DevKitC-1 N16R8（16MB Flash + 8MB Octal PSRAM）
屏幕	SSD1306 128x32 OLED
麦克风	INMP441 单麦（`NoAudioCodecSimplex`）
SDK	ESP-IDF v6.1
固件工程	xiaozhi-esp32 v2.5.1，commit `0d576d3`
板型变体	`bread-compact-wifi`

唯一要新增的东西：一个配置文件。全程 git status 只有 1 个 untracked 文件，上游文件零修改。

三、实操：新增一个 JSON，把唤醒词改成「小麦小麦」

第 1 步：新建配置文件

在板型目录下新建 main/boards/bread-compact-wifi/config.custom-wake.json，内容只有 5 行配置追加：

{
  "sdkconfig_append": [
    "CONFIG_USE_CUSTOM_WAKE_WORD=y",
    "CONFIG_SR_MN_CN_MULTINET7_QUANT=y",
    "CONFIG_CUSTOM_WAKE_WORD=\"xiao mai xiao mai\"",
    "CONFIG_CUSTOM_WAKE_WORD_DISPLAY=\"小麦小麦\"",
    "CONFIG_CUSTOM_WAKE_WORD_THRESHOLD=20"
  ]
}

四行配置各管什么：

配置项	作用	取值说明
`CONFIG_USE_CUSTOM_WAKE_WORD`	启用自定义唤醒词	`y`
`CONFIG_SR_MN_CN_MULTINET7_QUANT`	启用中文 MultiNet7 量化模型	`y`
`CONFIG_CUSTOM_WAKE_WORD`	唤醒词拼音	`"xiao mai xiao mai"`（空格分隔）
`CONFIG_CUSTOM_WAKE_WORD_DISPLAY`	屏幕显示的中文串	`"小麦小麦"`
`CONFIG_CUSTOM_WAKE_WORD_THRESHOLD`	唤醒门限	`20`（设备端是 0.2，见避坑 4）

第 2 步：构建

python scripts/build.py bread-compact-wifi -c config.custom-wake.json

构建产物里能看到 MultiNet 模型被打进 assets 分区（MODEL_LOADER: Successfully load srmodels），不需要单独刷 srmodels.bin。

第 3 步：烧录

python -m esptool --chip esp32s3 -p COM15 -b 460800 --before default-reset --after hard-reset write-flash @build/flash_args

烧录后串口抓日志（cap_boot.py COM15 45），看三段关键证据。

四、验证：怎么确认设备真的在用「小麦小麦」唤醒

日志是唯一的真相来源，下面每条都对应真实日志行号：

#	日志关键行	证明了什么
1	`AfeAudioEngine: Model 0: fst / Model 1: mn7_cn`	生效模型确实是 MultiNet7 量化版
2	`CustomWakeWord: Command: xiao mai xiao mai, Text: 小麦小麦, Action: wake`	中文显示串在设备端解析正确，动作注册为 `wake`（等价原唤醒词）
3	`set det threshold to 0.200000` / `1 active speech commands`	门限生效（20÷100=0.2），命令表只有 1 条
4	`Custom wake word detected: prob=0.270145` → `Wake word detected: 小麦小麦`	喊「小麦小麦」命中并进入唤醒流程
5	`>> 小麦小麦` → `<< 哎，我在呢！` / `<< 有什么事吗？`	对话闭环成立，服务端 ASR 听写一致，唤醒音频包正常上行

一个值得注意的细节：实测命中概率 prob=0.27，距门限 0.2 只有 0.07 的余量——说明自定义词的灵敏度余量不大，口音、距离、环境噪声都会影响，这正是下一阶段要量化测试的点。

另外日志里 wakenet model not found 是警告不是错误——它表示 WakeNet 已经下线，配套现象是「你好小智」不再响应（本次实测为附带确认项，专项复测排期跟进）。

五、代价实测：换唤醒词到底多占资源

这部分是本文最值钱的地方。官方文档只说"自定义词很占资源"，到底占多少？实测如下（基线 = 「你好小智」WakeNet9）：

指标	你好小智（基线）	小麦小麦（MultiNet7）	差异
`generated_assets.bin`	561,011 B	2,951,622 B	+2.39 MB（5.3×）
assets 分区占用	8MB 分区，占用极低	map 2944 KB / 8192 KB	仍有余量，但 4MB Flash 板不可行
`xiaozhi.bin`	2,577,152 B	2,577,232 B	+80 B，可忽略
`minimal sram`（内部 RAM 最低水位）	50,268 B	33,468 B	−16,800 B（−33%）
`free sram` 稳态	155,647 B	154,567 B	−1,080 B

两个关键结论：

Flash 是主要代价：模型包体积涨了 5.3 倍（+2.39 MB）。16MB Flash 板没问题，4MB Flash 的板子基本不可行，选板型前先看 Flash 容量。
内部 RAM 裕度是硬约束：minimal sram 从 50KB 掉到 33KB（−33%）。后续再叠加功能（更多 MCP 工具、更长命令表、屏幕/视觉），这条必须重新评估——这是比官方含糊说明具体得多的实测数据。

六、4 条避坑（都是这次踩过的真实坑）

首开机 assert，别慌：烧录后第一次开机可能看到 assert failed: esp_netif_create_default_wifi_sta ... duplicate key 然后自动重启。这是"先起配网 AP、立刻切 station"的竞态路径问题，与唤醒词改动无关——同一固件第二遍开机直接连上 WiFi 跑完全流程。判断方法：看第二次开机是否正常。
Git Bash 里跑环境脚本会失败：继承的 MSYSTEM 变量会让 ESP-IDF 检查报 MSys/Mingw is not supported。解法：进 PowerShell 后先 Remove-Item Env:MSYSTEM,Env:MINGW_PREFIX,Env:MSYSCON，再前置 idf6.1_py3.13_env\Scripts 到 PATH。
构建失败会被管道吞掉：... | tail -60 会把退出码变成 0，看着成功其实没成。改成日志重定向 + 末尾 Write-Host "BUILD_EXIT=$LASTEXITCODE"。
门限单位是"除以 100"：CONFIG_CUSTOM_WAKE_WORD_THRESHOLD=20 会被构建脚本除以 100 → 设备端实际是 0.2（日志 set det threshold to 0.200000）。数值越小越灵敏，调灵敏度前先想清楚这个换算。