简介

本项目需要自有服务器或长期运行的Linux设备，需要具备有一定的Linux基础操作知识，Docker-Compose知识，Node.JS知识，完全依赖于云端部署，可实现完全免费且自定义极高的AI视觉助手服务，借助Ollama部署框架提供的API接口可自由更换视觉多模态模型，实现低成本的视觉AI功能。

本项目旨在提供了一种AI终端解决方案，诸如最近很火的小智AI，均采用类似技术通过云服务器部署模型，让低性能嵌入式单片机设备以API服务接入服务器取得AI能力。

功能

• ✅支持多模态大模型
• ✅视觉交互
• ✅拍照
• ✅录音
• ✅语音播报

如遇问题，请向我提出issues

服务器部署

除网络环境外，视觉AI多模态语音助手的响应速度完全取决于你的服务器性能

• whisper
• ollama
• llama3.2-vision
• chatTTS

项目参数

• 本设计采用OV2640摄像头，以实现对环境的视觉采样；
• 本设计采用max98357音频芯片，以实现应答语音播放；
• 本设计采用INMP441全向麦风，以实现环境音频采样；
• 本项目服务使用Docker、Node.js自有服务器搭建

开源协议

本项目遵循CC BY-NC-SA 4.0开源协议，使用本程序时请注明出处并进行版权声明
本项目仅供学习研究，严禁非授权的商业获利，
如果您有更好的建议，欢迎PR

说明

• 空间有限，开发板是通过排针直接焊接在PCB上
• 开发板顶部空间为预留电池位，可装载14500电池

实物图

1	2