xiaoai

xiaoai filter

注意

仅使用于已破解的小爱音箱，系统版本1.72可以使用，理论上其他版本也可以，只要开放了ssh，并且固件提供兼容的 mipns-* / speech.usock 语音前端。

使用方法

系统的可读写分区在 /data，启动后自动执行的脚本是 /data/init.sh。

将可执行程序 xiaoai、config.yaml 和 start.sh 拷贝到 /data：

chmod +x /data/xiaoai /data/start.sh

init.sh 内容如下：

#!/bin/ash

exec /data/start.sh start

必须通过 start.sh 启动。启动脚本会：

1. 启动原生 mico_aivs_lab，把它的 speech.usock 挪到 speech.native.usock
2. 让本程序绑定原来的 speech.usock，作为 mipns-* 和原生小爱之间的代理
3. 让 mipns-* 以 PCM 模式占用真实麦克风并检测唤醒词

手动启动、停止或恢复原生语音：

/data/start.sh start
/data/start.sh stop
/data/start.sh status

日志在 /tmp/xiaoai.log。调试时可设置 RUST_LOG=debug。

config.yaml配置解析

配置项	说明
port	web服务监听的端口，web服务会提供/tts和/music/play两个api
detect_interval	inotify 不可用时轮询原生 ASR 日志的间隔，单位 ms，默认 200
speech_socket	mipns 使用的 Unix socket，由本程序绑定
native_speech_socket	原生 mico_aivs_lab 的 speech socket，用于自带 ASR
instruction_log	原生 ASR 结果日志，默认 /tmp/mico_aivs_lab/instruction.log
instructions	指令集合
match_type	匹配类型，可选值有All 全匹配， Regex 正则表达式 默认为All，如为默认值则可不加此配置项
content	指令内容。全匹配要求识别文本与指令一致；正则按整句匹配，括号捕获组依次填入 command 的 {p0}{p1}…。正则指令等最终识别结果再拦截
command_type	命令类型，可选值有Shell和Wol，Shell则表示会将command通过ash执行，Wol则是发送wol数据包，command里填写目标机器的MAC
command	命令内容，支持content通过正则匹配到的内容作为command的参数
result_exec_type	结果执行方式，默认为TTS，文本转语音, 可选值为Music，即将result的内容作为播放音乐的url传入
result	如果是$开头则表示是通过json path从command的执行结果中提取指定的值，这就要求command的执行结果要是json

config.yaml示例

port: 8082
instructions:
  - content: 打开PC
    command_type: Wol
    command: 3A:7C:3F:D5:1E:8B
    result: 好的

  - content: 关闭PC
    command: curl --insecure -connect-timeout 2 -m 4 -s http://192.168.1.100:30000?pass=sdfscs
    result: 已关闭

  - match_type: Regex
    content: ^播放(.+)的歌$
    command: curl --get --data-urlencode "keyword={p0}" –connect-timeout 2  http://192.168.2.102:3030/music # {p0}表示第 1 个捕获组,{p1} {p2}以此类推
    result: $.url # $开头表示用json path获取值，需要command返回结果为json
    result_exec_type: Music

  - content: 重启
    command: reboot

原理

1. 固件原生 mipns-* 继续占用真实麦克风，负责唤醒词检测。
2. 本程序代理 speech.usock：默认把音频转发给原生 mico_aivs_lab，使用音箱自带 ASR。
3. 识别结果如果在 instructions 列表中，立即把发给原生小爱的麦克风输入改成静音并取消本轮原生对话，然后执行自定义命令。全匹配可在部分识别时拦截；正则等到最终识别结果再拦截，避免宽模式提前截走。
4. 识别结果不在列表中，保持转发，走原生小爱后续处理。

音频链路：

真实麦克风 -> mipns-* -> xiaoai 代理
                            ├─ 命中指令：静音后执行自定义命令
                            └─ 未命中：转发给 mico_aivs_lab 走原生流程

web api

1. POST /tts {"text": ""}

text的值就是小爱会说的话

2. POST /music/play {"url": ""}

url就是小爱要放的音乐的url

下载

GitHub Actions 会自动交叉编译 aarch64-unknown-linux-musl 并打包 xiaoai、start.sh、config.yaml：

• 推送到 main 后更新 dev 预发布
• 新建 GitHub Release 后把对应版本号的包上传到该 Release

交叉编译

首先需要安装docker或podman

然后添加target aarch64-unknown-linux-musl rustup target add aarch64-unknown-linux-musl

安装cross cargo install cross --git https://github.com/cross-rs/cross

安装完毕后需要新开终端，最后执行编译命令 cargo build --release --target aarch64-unknown-linux-musl

cross会自行拉取镜像然后在容器中运行编译，最后得到的可执行程序就在./target/aarch64-unknown-linux-musl/release下