はじめに
小智（xiaozhi-esp32）は ESP32 ボードで動くオープンソースの音声対話ファームウェアです。デバイスはウェイクワード検出・音声取得・再生を担い、音声認識と LLM 対話はサーバー側で行われます。このページでは準備から初回の会話までの流れを案内します。
まずデバイスとサーバーの役割分担を理解してください：ウェイクワード検出はデバイス側でオフライン処理、認識・LLM 対話・音声合成はサーバー側で行われます。使い始めるだけであれば自前サーバーは不要です。音声データを自分で管理したい場合はセルフホストサーバーへ。
デバイスを持っている人：3 ステップ
ネットワークの問題はネットワーク設定から、その他はFAQを確認してください。
DIY ルート：部品から会話まで
さらに詳しく
- ボードとファームウェアのディレクトリ — 154 のボードディレクトリ、188 種類のビルド済みファームウェア
- 機能ガイド — 音声対話とデバイス制御
- セルフホストサーバー — 音声を自分のサーバー経由にする
- AI 能力と分担 — デバイスとサーバーがそれぞれ提供する機能