py-xiaozhi huangjunsen0406/py-xiaozhi
定位小智 AI 语音助手的 Python 生态,把 MCP、多模态与 IoT 接进语音对话。
亮点MIT 许可下把「唤醒词—语音识别—大模型—语音合成」整条语音链路做成可插拔套件,支持 MCP 工具调用与跨平台部署,社区围绕它长出一批 ESP32 语音盒子玩法。
商业化框架开源能抬高自建语音硬件的落地速度,周边硬件与托管服务都有空间。
版本v2.1.2(2026-09-11) | 最近推送 2026-09-11
本期覆盖语音终端、穿戴、桌面机器人三个扇区,7 个条目的 stars、版本与推送日期均为当日实测。
定位小智 AI 语音助手的 Python 生态,把 MCP、多模态与 IoT 接进语音对话。
亮点MIT 许可下把「唤醒词—语音识别—大模型—语音合成」整条语音链路做成可插拔套件,支持 MCP 工具调用与跨平台部署,社区围绕它长出一批 ESP32 语音盒子玩法。
商业化框架开源能抬高自建语音硬件的落地速度,周边硬件与托管服务都有空间。
版本v2.1.2(2026-09-11) | 最近推送 2026-09-11
定位低延迟语音转文字库,内置语音活动检测与唤醒词激活。
亮点把 Whisper 的转录做成低延迟实时体验,自带 VAD 与唤醒词触发,适合作为本地语音入口的中枢。
商业化MIT 许可商用无障碍,可作为录音笔、会议纪要、语音助手后端的能力底座。
版本v1.1.2(2026-08-30) | 最近推送 2026-09-17
定位面向微小设备的自动化基础模型,2-bit 量化后只有 8–29 MB。
亮点把工具调用、结构化提取与嵌入压到手机和穿戴能跑的体积,Apache-2.0 授权,是端侧 Agent 的现成模型底座。
商业化体积与算力门槛低,可直接进消费硬件,与同厂 cactus 运行时配合构成「模型+引擎」端侧组合。
版本无正式 release | 最近推送 2026-09-23
定位面向手机、穿戴、智能家居与机器人的量化、内核与推理运行时。
亮点把 2-bit/低比特量化与端侧推理引擎做成一套,发布当天即推送,更新活跃。
商业化与 needle 构成端侧 AI 的「模型+运行时」双件套,可授权给芯片厂与整机厂预装。
版本v2.2.1(2026-09-25) | 最近推送 2026-09-25
定位为 Meta Ray-Ban 智能眼镜做的实时 AI 助手,语音+视觉+Agent 动作。
亮点通过 Gemini Live 与 OpenClaw 打通实时语音和视觉理解,能对眼镜看到的画面做结构化动作,是眼镜上的 Agent 入口。
商业化眼镜端 Agent 是新兴形态,能力可授权或作为眼镜厂商的预装方案。
版本无正式 release | 最近推送 2026-09-20
定位检测附近是否有智能眼镜并对你拍摄进行提醒的隐私工具。
亮点AGPL-3.0,快速迭代(v1.0.11),回应「被智能眼镜偷拍」的隐私焦虑,社区热度陡增。
商业化隐私检测是细分刚需但付费意愿弱,更可能沉淀为安全/合规服务的组件。
版本v1.0.11(2026-09-23) | 最近推送 2026-09-24
定位Seeed 开源的桌面机械臂,面向开发者。
亮点CERN-OHL-W-2.0 开源硬件协议发布整机设计,配套软件栈齐全,建号即收获 4k+ 星。
商业化Seeed 是成熟硬件厂商,可沿「图纸开源+整机/套件销售」路径,渠道现成。
版本无正式 release | 最近推送 2026-09-24
语音助手这一支从「跑通对话」走向「跑通 Agent」:py-xiaozhi 把 MCP 与多模态接进语音链路,RealtimeSTT 提供低延迟转录底座,本地语音入口的组件已能拼装。
端侧 AI 在「能塞进去」上取得进展:needle 把 2-bit 工具调用模型压到 8–29 MB,cactus 提供对应的端侧推理引擎,穿戴与手机本地跑 Agent 的路径变实。
智能眼镜的软件层在快速生长:一边是 VisionClaw 做眼镜上的实时 Agent,一边是 yj_nearbyglasses 回应偷拍焦虑;桌面机械臂则由 Seeed 用开源硬件协议定义「图纸开源+整机销售」的商业闭环。