🪄 吃灰两年的小爱音箱，接入 OpenAI 后彻底脱胎换骨

Tinywan

发布于 2026-07-27 12:46:47

410

概述

家里的小爱音箱放床头吃灰快两年了。

当初买它图的是智能助手体验，实际用下来，除了设闹钟、查天气、控智能灯，但凡问点稍微复杂的问题，要么答非所问，要么机械甩一句“为你找到相关内容”，离真正的AI助手差了十万八千里。

想自己改造？小爱生态封得死死的，既不能换大模型，也没法对接私有服务，只能困在官方的能力池里。直到最近挖到 open-xiaoai-bridge 这个开源项目，折腾了一下午，终于给小爱换上了OpenAI的“大脑”，原生家电控制功能完全保留，相当于一台设备两套系统。

这篇就把完整的部署实操步骤全整理出来，跟着走，你也能把家里吃灰的小爱音箱改成专属AI语音助手。

先看看效果

先搞懂这个项目到底做了什么

open-xiaoai-bridge 是一款小爱音箱的开源AI桥接工具，核心是打破小爱音箱的封闭生态，通过软件层改造，让音箱自由对接外部大模型与AI服务。

整个架构分为两端：

音箱端：刷机后安装Rust客户端，直接接管麦克风音频采集与扬声器播放，和小爱原生系统并行不冲突
服务端：本地部署的桥接服务，负责语音识别、大模型调用、语音合成，完成完整对话链路

它的核心能力完全覆盖定制需求：

多AI后端兼容：支持所有OpenAI兼容接口（官方API、中转服务、本地Ollama/LM Studio），也能对接QwenPaw、OpenClaw、小智AI等服务
交互完全自定义：支持中英文自定义唤醒词，不同唤醒词可路由到不同AI模型；支持连续多轮对话，无需反复唤醒
双ASR方案可选：新手直接用小爱原生ASR零成本上手；追求隐私可切换本地离线ASR，全程数据不出局域网
自带HTTP控制接口：可远程控制音箱播放文字/音频，轻松对接监控告警、智能家居自动化场景

前置准备：给小爱音箱开启底层权限

这是整个操作的前提，也是唯一有门槛的一步——需要给小爱音箱刷机，开启SSH权限并安装客户端。

重要风险提示

刷机操作会失去设备官方保修，存在极小概率变砖风险，请务必谨慎操作，自行承担相关风险
仅支持特定型号：目前适配最完善的是小爱音箱Pro（LX06）、小米智能音箱Pro（OH2P），其他型号请先确认对应固件支持

核心操作目标（附官方教程）

这一步不同型号操作差异较大，不做冗余展开，跟着官方对应教程完成即可：

刷入破解固件，开启SSH权限：利用固件漏洞获取设备root权限，打开SSH登录能力官方刷机教程：https://github.com/coderzc/open-xiaoai/blob/main/docs/flash.md[1]
安装Rust客户端：SSH登录音箱后，部署客户端程序，用于和后续的桥接服务建立WebSocket通信客户端安装教程：https://github.com/coderzc/open-xiaoai/blob/main/docs/client.md[2]

完成后，你会得到两个关键信息：音箱的局域网IP、SSH登录账号密码，接下来就进入核心的服务端部署环节。

核心部署：10分钟搭好OpenAI桥接服务

推荐用 Docker Compose 方式部署，全程无需配置依赖环境，复制粘贴命令即可完成，新手友好。

服务可以部署在家用NAS、闲置小主机、甚至常开的电脑上，只要和小爱音箱在同一个局域网就行。

1. 基础环境准备

提前安装好 Docker 与 Docker Compose，Windows/Mac/Linux 全平台均支持，国内服务器建议先配置Docker镜像加速，避免拉取镜像失败。

2. 创建工作目录并下载配置文件

# 创建项目目录并进入
mkdir open-xiaoai-bridge && cd open-xiaoai-bridge

# 下载核心配置文件
curl -O https://raw.githubusercontent.com/coderzc/open-xiaoai-bridge/main/config.py
curl -O https://raw.githubusercontent.com/coderzc/open-xiaoai-bridge/main/docker-compose.yml

国内网络下载失败的话，可以直接去GitHub项目主页手动复制这两个文件到目录中。

3. 模型文件准备（新手可跳过）

如果你用小爱原生ASR（推荐新手首选）：不需要下载任何模型文件，零资源占用，直接进入下一步
如果你用本地离线ASR：需要去项目Releases页面下载 VAD + KWS + ASR 模型包，解压到当前目录的 ./models 文件夹下

4. 核心配置：对接你的OpenAI服务

编辑 config.py 文件，找到 openai 配置段，修改为你的大模型信息：

"openai": {
    # 接口地址：官方填 https://api.openai.com/v1
    # 本地Ollama填 http://你的局域网IP:11434/v1
    # 中转服务填对应服务商的v1地址
    "base_url": "https://api.openai.com/v1",
    "api_key": "你的API Key",
    "model": "gpt-4o-mini",  # 按需替换模型名称
    "input_mode": "xiaoai_asr",  # 新手用小爱原生ASR，本地模型改local_asr
    "session_key": "default",
    "system_prompt": "你是一个简洁实用的语音助手，回答尽量口语化，控制在200字以内",
    "temperature": 0.7,
    "max_tokens": 512,
    "history_max_messages": 20,  # 上下文记忆长度
    "tts_speaker": "xiaoai",  # 用小爱原生TTS，也可替换为豆包音色
},

同时在环境变量配置里，开启OpenAI兼容服务开关：编辑 docker-compose.yml，在environment段添加：

- OPENAI_ENABLE=1
- API_SERVER_ENABLE=1  # 可选，开启HTTP API控制接口

国内用户如果拉取官方镜像太慢，可以把docker-compose.yml里的镜像地址替换为国内镜像：image: ghcr.nju.edu.cn/coderzc/open-xiaoai-bridge:latest

5. 启动服务

# 后台启动服务
docker compose up -d

# 查看运行日志，确认启动成功
docker compose logs -f

看到日志里输出 server started on 0.0.0.0:4399 就说明服务端已经正常运行了。

音箱端对接：让小爱连上你的桥接服务

SSH登录到小爱音箱，执行以下命令，配置服务端地址并启动客户端：

# 创建工作目录
mkdir /data/open-xiaoai

# 配置桥接服务地址，替换成你部署服务端的局域网IP
echo 'ws://192.168.31.100:4399' > /data/open-xiaoai/server.txt

# 一键安装并启动客户端
curl -sSfL https://gitee.com/idootop/artifacts/releases/download/open-xiaoai-client/init.sh | sh

# 设置开机自启动（可选，推荐开启）
curl -L -o /data/init.sh https://gitee.com/idootop/artifacts/releases/download/open-xiaoai-client/boot.sh
reboot

音箱重启后，会自动连接到你的桥接服务，服务端日志里会出现设备连接成功的提示。

唤醒配置：自定义你的专属AI助手

默认还不能直接唤醒对话，需要配置唤醒词和路由规则，还是修改 config.py 文件。

1. 添加自定义唤醒词

找到 wakeup 配置段，添加你想要的唤醒词：

"wakeup": {
    "keywords": [
        "小黑同学",
        "你好小黑",
    ],
},

2. 配置唤醒路由，触发OpenAI对话

找到 before_wakeup 函数，添加路由逻辑：

async def before_wakeup(speaker, text, source, app):
    # 唤醒词触发，进入OpenAI连续对话
    if source == "kws":
        if "小黑" in text:
            await speaker.play(text="我在")
            return "openai"

    # 小爱语音指令触发单次对话
    if source == "xiaoai" and "问小黑" in text:
        await speaker.abort_xiaoai()
        await app.send_to_openai_and_play_reply(text.replace("问小黑", ""))
        return None

    # 不匹配则交给小爱原生处理
    return None

修改完成后，重启服务生效：

docker compose restart

现在对着音箱喊你的自定义唤醒词，就能直接和OpenAI对话了，全程连续多轮交互，不用反复唤醒，说完“再见”即可退出对话。

进阶玩法：不止是接OpenAI

1. 全链路本地化，完全离线使用

如果在意隐私安全，可以把整个链路全部换成本地服务：

大模型：对接本地部署的Ollama，base_url填本地地址即可
ASR：切换为 local_asr 模式，用SenseVoice离线识别
TTS：接入本地语音合成服务，全程数据不出局域网，断网也能用

2. 一个音箱，多个专属AI助手

利用多唤醒词+Session路由，实现不同唤醒词对应不同模型/智能体：

AGENT_SESSIONS = {
    "代码助手": "gpt-4o",
    "生活顾问": "deepseek-chat",
    "闲聊模式": "qwen2.5-7b",
}

async def before_wakeup(speaker, text, source, app):
    if source == "kws":
        for keyword, model in AGENT_SESSIONS.items():
            if keyword in text:
                app.set_openai_session_key(model)
                await speaker.play(text=f"{keyword}在呢")
                return "openai"

3. 对接自动化，打造全屋语音通知

利用自带的HTTP API，可以对接任何自动化场景，比如服务器告警、快递提醒、门禁通知：

# 远程让音箱播放指定文字
curl -X POST http://服务端IP:9092/api/play/text \
  -H "Content-Type: application/json" \
  -d '{"text": "检测到服务器CPU占用超过90%，请及时处理"}'

新手常见踩坑排查

音箱连不上服务端 先检查两端是否在同一局域网，服务端4399端口是否开放，服务器防火墙是否放行；确认server.txt里的IP地址没有填错。
唤醒词没反应 先看服务端日志有没有音频流输入，没有的话检查客户端是否正常运行；识别不灵敏可以调低 vad.threshold 阈值，或者调大音频输入增益 audio_input.gain。
容器里访问不到宿主机的本地大模型 Docker桥接模式下，容器的127.0.0.1指向容器自身，不能用localhost访问宿主机服务，需要填写宿主机的局域网IP，或者给容器添加 network_mode: host 配置。
话没说完AI就抢答 调大 vad.min_silence_duration 参数，单位是毫秒，默认值偏小的话，说话停顿一下就会被判定为说完，改成1000-1500即可改善。

参考链接

https://github.com/coderzc/open-xiaoai/blob/main/docs/flash.md: https://github.com/coderzc/open-xiaoai/blob/main/docs/flash.md
https://github.com/coderzc/open-xiaoai/blob/main/docs/client.md: https://github.com/coderzc/open-xiaoai/blob/main/docs/client.md