4.4 KiB
常见问题 ❓
1、为什么我说的话，小智识别出来很多韩文、日文、英文？🇰🇷
建议：检查一下models/SenseVoiceSmall是否已经有model.pt
文件，如果没有就要下载，查看这里下载语音识别模型文件
2、为什么会出现"TTS 任务出错 文件不存在"？📁
建议：检查一下是否正确使用conda 安装了libopus和ffmpeg库。
如果没有安装，就安装
conda install conda-forge::libopus
conda install conda-forge::ffmpeg
3、TTS 经常失败，经常超时 ⏰
建议：如果 EdgeTTS 经常失败，请先检查是否使用了代理（梯子）。如果使用了，请尝试关闭代理后再试；
如果用的是火山引擎的豆包 TTS，经常失败时建议使用付费版本，因为测试版本仅支持 2 个并发。
4、使用Wifi能连接自建服务器，但是4G模式却接不上 🔐
原因：虾哥的固件，4G模式需要使用安全连接。
解决方法：目前有两种方法可以解决。任选一种：
1、改代码。参考这个视频解决 https://www.bilibili.com/video/BV18MfTYoE85
2、使用nginx配置ssl证书。参考教程 https://icnt94i5ctj4.feishu.cn/docx/GnYOdMNJOoRCljx1ctecsj9cnRe
5、如何提高小智对话响应速度？ ⚡
本项目默认配置为低成本方案，建议初学者先使用默认免费模型，解决"跑得动"的问题，再优化"跑得快"。
如需提升响应速度，可尝试更换各组件。以下为各组件的响应速度测试数据（仅供参考，不构成承诺）：
| 影响因素 | 因素值 |
|---|---|
| 测试地点 | 广东省广州市海珠区 |
| 测试时间 | 2025年2月19日 12:52 |
| 宽带运营商 | 中国联通 |
测试方法：
1、把各组件的密钥配置上去，只有配置了密钥的组件才参与测试。
2、配置完密钥后，执行以下方法
# 进入项目根目录，执行以下命令：
conda activate xiaozhi-esp32-server
python performance_tester.py
生成报告如下
LLM 性能排行:
| 模块名称 | 平均首Token时间 | 平均总响应时间 |
|---|---|---|
| AliLLM | 0.547s | 1.485s |
| ChatGLMLLM | 0.677s | 3.057s |
TTS 性能排行:
| 模块名称 | 平均合成时间 |
|---|---|
| EdgeTTS | 1.019s |
| DoubaoTTS | 0.503s |
| CosyVoiceSiliconflow | 3.732s |
推荐配置组合 (综合响应速度):
| 组合方案 | 综合得分 | LLM首Token | TTS合成 |
|---|---|---|---|
| AliLLM + DoubaoTTS | 0.539 | 0.547s | 0.503s |
| AliLLM + EdgeTTS | 0.642 | 0.547s | 1.019s |
| ChatGLMLLM + DoubaoTTS | 0.642 | 0.677s | 0.503s |
| ChatGLMLLM + EdgeTTS | 0.745 | 0.677s | 1.019s |
| AliLLM + CosyVoiceSiliconflow | 1.184 | 0.547s | 3.732s |
结论 🔍
2025年2月19日，如果我的电脑在广东省广州市海珠区，且使用的是中国联通网络，我会优先使用：
- LLM：
AliLLM - TTS：
DoubaoTTS
6、我说话很慢，停顿时小智老是抢话 🗣️
建议：在配置文件中找到如下部分，将 min_silence_duration_ms 的值调大（例如改为 1000）：
VAD:
SileroVAD:
threshold: 0.5
model_dir: models/snakers4_silero-vad
min_silence_duration_ms: 700 # 如果说话停顿较长，可将此值调大
7、我想通过小智控制电灯、空调、远程开关机等操作 💡
8、如何开启手机注册智控台 📱
参考教程阿里云短信集成指南
9、如何开启视觉模型实现拍照识物 📷
参考教程视觉模型使用指南
10、如何开启MCP接入点 🔧
1、先参考教程MCP 接入点部署使用指南
2、再参考教程MCP 接入点使用指南
12、如何开启声纹识别 🔊
参考教程声纹识别启用指南
13、更多问题，可联系我们反馈 💬
可以在issues提交您的问题。
也可以发邮件我们取得联系：huangrongzhuang@xin-nan.com