# AI-Box离线DeepSeekR1助手 文档：https://wiki.yang17.top/products/oshwhub/oshw-22cbdc9a04834b82af16b5677be631dd/ 项目来源：https://oshwhub.com/course-examples/ai-rk3566 分类：硬件项目 更新时间：2026-04-20T05:54:49.000Z 本项目基于泰山派RK3566，可本地运行DeepSeek/Qwen/Gemini大模型，无需网络 项目简介 资料超详细 👇 项目介绍 硬件设计 软件设计 3D结构 附件下载 硬件工程 3D工程 本项目基于泰山派RK3566构建，是一个可以离线本地运行的AI大模型盒子，并通过语音控制灯光获取天气等等，这是一个无需联网、无需API、无需付费的纯本地大模型案例,支持主流小参数大模型部署DeepSeek-R1/Qwen/Gemini等等。 本项目不含泰山派开发板成本大致为25.5元，主要费用在于屏幕4.5元，驻极体麦克风3.6元。PCB及3D均支持免费打样。 本项目不涉及设备树，无需编译Linux系统，大大简化操作，但需具备一定的Linux知识。 项目功能 ✅离线本地对话DeepSeek-R1/Qwen/Gemini等开源模型（无需联网、无需付费） ✅离线实时天气获取 ✅语音控制灯光 ✅电池供电 ✅引出串口，可充当语音模块 硬件参数 本设计基于泰山派RK3566，内置WIFI功能，通过AP模式遥控 屏幕支持0.96寸SSD1306/SSD1315驱动OLED显示屏，可显示表情、对话反馈、天气等相关信息 选用IP5306充放一体电源芯片，提供最大2.1A输出，为泰山派供电 选用AHT10高精度温湿度传感器，可实时获取温度、湿度信息。 选用驻极体麦克风，可实时获取环境音频信息。 选用8R1W喇叭，提供音频输出。 采用MOS管开关电路，支持驱动较大功率LED灯板。 采用防反接电路，可任选Type-C接口供电。 软件参数 系统基于Ubuntu20.04 环境为Python3.8 软件框架为Vosk+Ollama+espeak-ng 模型权重为DeepSeek-R1 1.5B/Qwen2 0.5B 开发文档 嘉立创EDA-教育与开源文档中心 原理解析 篇幅有限，这里仅讲解部分关键电路和程序，详细说明请查看开发文档 本项目提供了完整的说明及源码，并不局限于现有功能，您可以基于现有框架进行二 次开发，丰富AI助手的功能。 硬件设计 本项目电路由以下部分组成，电源电路、泰山派IO拓展口，防反接电路，开关电路，模块及拓展接口实现 电源电路： 供电：本项目采用IP5306锂电池充放一体芯片，可提供最大2.1A电流输出。 充电接口:TypeC接口 泰山派拓展IO： 拓展IO：功能实现依赖于泰山派提供的IO口控制，这里为需要使用的引脚做好定义 防反接电路： 防反接：由于泰山派的DC-DC 3.3V对输入电压有较高要求，输入电压不能低于4.5V，所以这里采用MOS管和三极管实现防反接，而不是二极管。 开关电路 开关控制：在电路中还设计了一个MOS驱动的开关电路，帮助驱动较大电流的LED。 拓展接口及按键 拓展接口：拓展引出UART串口，方便充当离线语言模块对接其他主控使用。 拓展模块：模块上使用OLED模块和AHT10模块，再通过音频接口引出麦克风和扬声器。 按键：引出3个按键，用于与屏幕交互。 软件代码 本项目基于Linux系统环境及其余软件包，单独使用代码无法运行，还需按照在线文档提供的教程进行环境部署。 完整的项目程序放在了附件，可直接使用，但使用前仍需要配置环境 4.7 程序编写 程序编写时可以根据自己需求进行修改，这里我们主要以语音识别和语音合成为例，进行程序编写 这里我们只讲解大模型对话测试代码，涉及大模型和OLED屏幕交互，IIC协议通讯和多线程任务。 注意事项 1.注意代码的保存格式，如果是gbk格式，务必在代码头部添加以下内容# -*- coding: gbk -*-，确保Python正确识别编码格式 2.Python代码必须注意代码缩进和格式，如果缩进出现问题会导致程序无法正常运行 软件流程图 导入库文件 import time # 导入时间模块，用于控制延时 import vosk # 导入 Vosk 语音识别库 import json # 导入 JSON 解析库 import subprocess # 用于调用外部进程（如语音合成） import ollama # 导入 Ollama，用于聊天 AI 处理 import asyncio # 导入 asyncio 以支持异步操作 import pyaudio # 导入 PyAudio 处理音频输入 import threading # 导入多线程模块 import re # 导入正则表达式模块，用于文本处理 from concurrent.futures import ThreadPoolExecutor # 用于异步任务的线程池 from board import * # 导入 board 库，用于 I2C 设备的引脚定义 import busio # 用于 I2C 通信 from PIL import Image, ImageDraw, ImageFont # 用于处理 OLED 显示图像 import adafruit_ssd1306 # 用于控制 SSD1306 OLED 屏幕 一切开始前先导入我们需要使用的pip库 定义变量 # 选择合适的字体 font_path = "/usr/share/fonts/truetype/noto/NotoSansCJK-Regular.ttc" # OLED 屏幕显示的字体路径 font = ImageFont.truetype(font_path, 16) # 设置字体大小适应屏幕 # 初始化 I2C 设备 i2c = busio.I2C(I2C2_SCL, I2C2_SDA) # 通过 I2C2_SCL 和 I2C2_SDA 初始化 I2C 通信 disp = adafruit_ssd1306.SSD1306_I2C(128, 64, i2c) # 通过 I2C 初始化 128x64 分辨率的 OLED 屏幕 # 清空屏幕 disp.fill(0) disp.show() # 获取屏幕宽高 width = disp.width height = disp.height # 创建一个空白图像用于绘制 image = Image.new("1", (width, height)) draw = ImageDraw.Draw(image) # 设置 Vosk 语音识别模型路径,根据自己的路径设置 model_path = "/home/linaro/vosk-model-small-cn-0.22" model = vosk.Model(model_path) # 加载 Vosk 语音识别模型 recognizer = vosk.KaldiRecognizer(model, 16000) # 以 16kHz 采样率初始化语音识别器 # 记录会话历史 conversation_history = [ {"role": "system", "content": "你是嘉立创EDA-小嘉，是一个运行在泰山派上的离线本地大模型语音助手。"}, ] MAX_HISTORY_LENGTH = 1 # 限制会话历史的最大条数 asr_running = False # 语音识别时的动画状态控制变量 这里还需要定义一些模型路径，字符路径等变量，这里为了避免内存超出，MAX_HISTORY_LENGTH限制会话最多保存1条，如果你设备内存或虚拟内存足够，可以增加。 OLED文本显示函数 def show_on_oled(text): draw.rectangle((0, 0, width, height), outline=0, fill=0) # 清除屏幕 draw.text((0, 0), text[:8], font=font, fill=255) # 仅显示前8个字符 disp.image(image) # 更新屏幕内容 disp.show() 屏幕显示这里进行了封装，确保每次显示前能自动清屏，同样的限制只能显示8个字符，避免超出显示长度。 动画表情绘制函数 def draw_face(mouth_state=0): """显示不同表情的脸部动画""" draw.rectangle((0, 0, width, height), outline=0, fill=0) # 清空屏幕 # 绘制眼睛 draw.ellipse((32, 15, 40, 25), outline=255, fill=255) # 左眼 draw.ellipse((88, 15, 96, 25), outline=255, fill=255) # 右眼 # 嘴巴动画 if mouth_state == 0: draw.line((50,50, 78, 50), fill=255, width=2) # 直线嘴巴 elif mouth_state == 1: draw.arc((50, 40, 78, 60), start=0, end=180, fill=255) # 微笑嘴巴 elif mouth_state == 2: draw.ellipse((58, 50, 70, 60), outline=255, fill=255) # 张嘴嘴巴 disp.image(image) # 更新屏幕内容 disp.show() 动画表情直接利用库函数绘制圆和弧线实现 嘴巴动画 def asr_animation(): global asr_running frame = 0 while asr_running: draw_face(frame % 3) # 按 0、1、2 的顺序切换嘴巴形态 frame += 1 time.sleep(0.2) # 控制动画速度 嘴巴动画通过该函数来控制变换，因为采用了多线程，可以避免动画影响Vosk识别语音 Vosk 语音识别 def recognize_speech(p): global asr_running stream = p.open(format=pyaudio.paInt16, channels=1, rate=16000, input=True, frames_per_buffer=20480) stream.start_stream() print("正在识别语音...") asr_running = True # 启动动画 animation_thread = threading.Thread(target=asr_animation) # 创建动画线程 animation_thread.start() try: while True: data = stream.read(2048, exception_on_overflow=False) # 读取音频数据 if recognizer.AcceptWaveform(data): # 处理音频流 result = recognizer.Result() # 获取识别结果 result_json = json.loads(result) # 解析 JSON 数据 if "text" in result_json: text = result_json['text'] # 提取识别文本 print(f"识别到的文字: {text}") asr_running = False # 停止动画 animation_thread.join() # 等待动画线程结束 draw_face(1) # 识别完成后显示微笑表情 time.sleep(1) # 释放音频资源 stream.stop_stream() stream.close() return text except IOError: pass # 释放资源 asr_running = False animation_thread.join() stream.stop_stream() stream.close() 我们先配置音频采样率16kHz，然后设置了一个20480帧的缓冲区大小（约1.28s），16位PCM格式。然后配置asr_running 全局标志用于控制动画线程运行，独立线程运行asr_animation实现非阻塞式用户体验。这里循环中启用流式传输，每次读取 2048 字节（约 128ms ）实现非阻塞读取：exception_on_overflow=False 允许忽略缓冲区溢出错误,这样无需等待完整录音文件，实现边录边传。 保留中文字符 def clean_text(text): return re.sub(r"[^\u4e00-\u9fa5，。！？]", "", text) 由于我们使用的espeak-ng是轻量化的，只能支持一种语言，所以这里我们要过滤掉所以除中文外的文字和特殊符号。这里使用正则表达式"[^\u4e00-\u9fa5，。！？]"。正则表达式中的方括号表示字符集，^符号在开头表示取反，也就是匹配不在这个字符集里的任何字符。所以这个正则表达式的作用是匹配所有不属于指定Unicode范围的字符，以及标点符号，。！？。 模型处理 async def generate_and_play_text(input_text): draw_face(1) # 显示微笑表情 time.sleep(1) conversation_history.append({"role": "user", "content": input_text}) # 记录用户输入 response = ollama.chat(model="qwen2:0.5b", messages=conversation_history, stream=True) # AI 生成回答 generated_text = "" for chunk in response: if 'message' in chunk and 'content' in chunk['message']: raw_text = chunk['message']['content'] clean_tts_text = clean_text(raw_text) # 清理文本 generated_text += raw_text show_on_oled(raw_text) print(f"当前生成: {generated_text}") if clean_tts_text: # 确保有中文内容才播放 # 显示在 OLED 上 subprocess.run(['espeak-ng', '-v', 'zh', clean_tts_text]) # 语音朗读 conversation_history.append({"role": "assistant", "content": generated_text}) # 记录 AI 回应 draw_face(1) # 结束后显示微笑 time.sleep(1) 这里就是将语音识别的文字传给Ollama然后交给模型处理，使用stream=True实现流式逐块生成，然后通过for chunk in response: if 'message' in chunk and 'content' in chunk['message']:典型的流式响应处理模式，主要用于处理流式返回的数据结构 主函数 async def main(): loop = asyncio.get_event_loop() # 获取事件循环 executor = ThreadPoolExecutor(max_workers=2) # 线程池用于并发任务 p = pyaudio.PyAudio() # 创建 pyaudio 实例 while True: recognized_text = await loop.run_in_executor(executor, recognize_speech, p) # 识别语音 await generate_and_play_text(recognized_text) # 生成回答并朗读 p.terminate() # 释放音频资源 if __name__ == "__main__": asyncio.run(main()) # 运行主程序 这里max_workers=2 采用双线程实现动画和语音识别共同运行，互不干涉。然后通过pyaudio库用于输入音频数据，代入我们前面创建的函数中。 3D外壳结构 3D外壳由嘉立创云CAD平台构建 3D外壳工程链接-嘉立创云CAD 主体 侧面1 侧面2 外壳设计有螺丝孔柱，用于固定，并拉高7mm，可放置40x55x5mm锂电池，并为主要接口做了开孔。 顶盖 正面 背面 顶盖为驻极体麦克风、扬声器设计有开孔，屏幕、按键温湿度传感器均有开孔，电量指示灯切除1mm厚度增加透光性。 组装 组装较为简单，分为上中下三层 PCB 作为拓展版，泰山派IO排针对接语音助手拓展版的IO排母连接即可 上层 最上层是上壳。 中间层 中间层是电路板空间，通过上壳内的限位槽将PCB固定在中间，并压住底部电池。 下层 下层为电池空间，可以放置40x55x5mm锂电池。 按键说明 左键为菜单左移 右键为菜单右移 中键为确定键 电源键为单击开机，双击关机 功能拓展 AI-Box不仅局限于现有功能的实现，你完全可以基于现有框架进行改造，比如拓展预留的UART接口，将AI-Box打造成离线语音模块，与你的其他项目结合，实现离线大模型对话，或者使用AI-Box充当家庭控制终端，对接MQTT服务器实现家庭设备控制，再或者利用其余的IO接口打造一个智能机器人，再或者是搭配Open-CV视觉识别打造多模态机器人等等。 实物图 实物图1 实物图2 表情 响应 手电筒 温湿度 嘉立创免费打样🎆 嘉立创免费PCB打样 嘉立创免费3D打样 注意事项 推荐泰山派配置为4+32G EMMC版本，如果你是其他版本也没关系，可以参考文档配置虚拟内存和挂载TF卡扩容，低内存推荐使用Qwen2 0.5B参数模型 资源包中提供了4份代码，包含AHT10温湿度模块测试代码，LED驱动测试代码，ai大模型对话测试代码，功能集成代码。