Hoan/xiaozhi-esp32-server
1
0 Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
3,939 Commits 16 Branches 78 Tags
5b0de039c993df5fd39cfb0ab8f63d5ee8d9bc8b
Commit Graph
3939 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
hrz 5b0de039c9 让 CI 真正跑起三类测试并修掉挡路的测试缺陷 (#3475) 
* 让 CI 真正跑起三类测试并修掉挡路的测试缺陷

之前 CI 只跑了一小部分，Java 那边的测试被 pom 里的开关整个跳过了。
这条把它打开，并补上 MySQL、Redis 两个容器，Java、契约、Python 三类
测试都在 CI 里真跑起来。

另外修了两个挡路的地方：一条 Java 用例单跑会因为实体信息没注册而报错，
现在自己注册；Python 的假网络层把整个 httpx 类换掉了，第三方库拼请求
时报错，改成只换发请求那一步。

* 给 runner 补上 libopus，修掉音频用例报错

opuslib_next 是 ctypes 绑定，真正编解码靠系统里的 libopus。runner 上默认
没有，import 失败后测试里换上的是自己写的桩，桩里的编码器只有构造方法，
一调就报错。正式镜像里是装了这个库的，CI 少了这一步。

顺手把桩的报错改成一句人话，别再让人对着缺方法的报错猜根因。

* 本地没起库也能构建，CI 里集成测试不许跳过

三个要连 MySQL 和 Redis 的集成测试加了守卫：依赖连不上就整类跳过，日志写明缺什么，构建照样是绿的；CI 上依赖不通就直接失败。另外加了一个门禁检查脚本和 CI 步骤，盯住这三个类有没有真跑，守卫哪天手滑把它们全跳过了，CI 必须变红。README 里补了本地怎么起依赖、怎么只编译不跑测试。
 2026-11-03 17:44:29 +08:00
wengzh 4e1405a6f6 Merge pull request #3537 from xinnan-tech/py-test-tool 
Py test tool
 2026-11-03 15:03:17 +08:00
Sakura-RanChen f9138e65b7 update: 使用专用线程池避免阻塞默认池 2026-11-03 10:43:53 +08:00
Bao1573 9b8a9b585d fix(tools): 服务端插件的同步函数放线程池，不阻塞事件循环 (#3528) 
ServerPluginExecutor.execute 在事件循环上被 await，而 hass_state、天气等插件用 requests 同步阻塞，工具执行期间整个循环停转、正在发的音频节拍也停。同步函数改用 run_in_executor 放到线程池；async def 插件照常 await；传参规则不变。附测试。
 2026-11-02 15:29:34 +08:00
欣南科技 92337881a7 Merge pull request #3531 from xinnan-tech/fix/readme-asr-bailian-lmstudio 
Fix/readme asr bailian lmstudio
 2026-11-01 07:38:49 +08:00
欣南科技 a93b71f9e7 Merge branch 'main' into fix/readme-asr-bailian-lmstudio 2026-11-01 07:38:36 +08:00
hrz 325f52469a 设备呼叫文档改对热词字段的位置 (#3509) 
* 设备呼叫文档改对热词字段的位置

热词文件名称是语音识别供应器的字段，文档里写成配到语音合成上，用户照着在语音合成里找根本找不到；同一句 AEC 提示连写三遍，只留一条。

* 设备呼叫文档改对热词配置的供应器名称

把接口类型改成供应器，列出还有热词文件名称的两条模型，补上点确认保存和改完要重连设备。

* 设备呼叫文档里热词字段的说法改准

「这一项」读起来像供应器下拉的子项，实际是弹窗调用信息区域里独立的一个输入框，两处都改成照实说。

* Clarify AEC functionality requirement in guide

Added repeated instruction for enabling AEC functionality during firmware compilation.
 2026-11-01 07:10:28 +08:00
hrz 3230a69c99 Merge pull request #3515 from shinjiyu/fix/config-provider-copy-accuracy 
fix(config): 纠正供应器占位文案与 PaddleSpeech 协议说明
 2026-11-01 06:56:22 +08:00
shinjiyu 1ac4c09946 fix(config): 按审核意见补齐占位文案与 PaddleSpeech 协议收敛 
- AliLLM 占位改为「你的阿里云百炼API密钥」；ASR 段「语音合成」改为「语音识别」；XunfeiSparkLLM 占位改为 api_key
- PaddleSpeech：启动时校验 protocol；代码兜底 URL 与 config 对齐为本机；智控台新增 changeset 去掉 http 选项
 2026-10-30 20:55:56 +08:00
wengzh 1a095d5bed Merge pull request #3523 from xinnan-tech/py-test-fix 
Py test fix
 2026-10-29 14:20:59 +08:00
Sakura-RanChen 01289b8fd4 仅保留mcp2.x行为 2026-10-29 14:17:38 +08:00
shinjiyuandshinjiyu ef2fcdbcb1 fix(server_mcp): read Tool.input_schema for mcp 2.3.0 (#3522) 
mcp==2.3.0 Tool stores the JSON Schema on input_schema (alias
inputSchema). Accessing tool.inputSchema raises AttributeError and
aborts server_mcp init after a successful tools/list.

Use getattr fallback so function-calling conversion works.

Closes #3521

Co-authored-by: shinjiyu <shinjiyu@users.noreply.github.com>
 2026-10-29 14:08:44 +08:00
hrz 942ac2fe12 通讯录没起名时不再取对方设备的名字 (#3473) 
* 别把对方给设备起的名字抄进自己的通讯录

通讯录里没起名的时候，以前会跑去设备表查目标设备的名字。那是设备主人在智控台上自己起的，
直接抄进调用方的通讯录，等于把别人的昵称漏了出去。现在改成一律用 MAC 尾号称呼，
只有目标是自己那台设备时，才用自己设备表里的名字。补了单测，覆盖对方已起名、目标是自己、
显式起名、目标没登记这几种情况。

* 取自己的设备名改用不会撞行的查法

设备表里同一个 MAC 可能有两行只差大小写，一次只准取一条的查法撞上就抛异常，保存通讯录整个接口带崩。改成按归属查的那一种，按 id 取第一条。

补齐自己那台设备在设备表里没起名时退回尾号称呼的用例，另有几条用例的名字跟实际测的东西对不上，一并改掉。
 2026-10-29 11:56:48 +08:00
wengzh 4dbed0ab1d Merge pull request #3520 from xinnan-tech/py-test-weather 
fix: harden weather and news plugins (#3465)
 2026-10-29 10:10:50 +08:00
Jacobandhrz 15d9b0fba1 fix: harden weather and news plugins (#3465) 
* fix: harden weather and news plugins

* 修掉天气新闻插件的三处鲁棒性缺陷

城市查询不再写死国内范围，境外城市也能查到。实时天气和七天预报要都拿到才走 JSON，缺一个就整体退回网页路径，不产出残缺报告。网页抓取加上跟随跳转，旧链接的 302 也能拿到内容。城市查不到时不再让用户去核对地名，多数情况是密钥失效。报告补上气压和降水量。新闻 URL 拼接抽成纯函数，配了 23 项单测。

---------

Co-authored-by: hrz <1710360675@qq.com>
 2026-10-29 09:46:01 +08:00
wengzh 8c5330f742 Merge pull request #3516 from xinnan-tech/py-test-think 
Py test think
 2026-10-28 16:38:12 +08:00
Sakura-RanChen 549261fdff PR 提供的keep 逃生门要求用户自行发现问题、了解该魔法值并手改 configJson，对普通用户不可达。 
调整LLM thinking 域名禁用规则支持按模型名豁免（避免 MaaS glm-5.3 被注入参数后 400）
 2026-10-28 16:18:58 +08:00
SecInsightSecInsightSakura-RanChen
 		2cb0562ade feat(llm): 华为云 MaaS 思考强度实例级配置 + 管理台 select 字段类型 (#3446) 
- openai provider: THINKING_DISABLED_DOMAINS 补 modelarts-maas.com
- openai provider: 实例配置支持可选 thinking 字段(off/low/medium/high/keep),
  实例值优先于域名默认表; keep=完全直通(适配强制思考且拒绝该参数的模型, 如 MaaS glm-5.3)
- manager-web: 模型配置表单渲染器支持 select 字段类型(el-select + field.options)
  (ModelEditDialog / AddModelDialog 两处渲染点与类型映射)

Co-authored-by: SecInsight <secinsight@users.noreply.github.com>
Co-authored-by: Sakura-RanChen <1908198662@qq.com>
 2026-10-28 15:20:28 +08:00
shinjiyu ccc77799d9 fix(config): 纠正 AliLLM 占位文案与 PaddleSpeech 协议说明 
- AliLLM 的 api_key 占位误写成 deepseek，照抄会把错误 key 填进百炼（#3495）
- PaddleSpeechTTS 实际只实现 websocket，去掉 config/报错里对 http 的承诺（#3503）
 2026-10-28 06:02:21 +08:00
hrz d9c2e8c5d9 德语版README把MCP接入点改用Zugriffspunkt (#3511) 
Endpunkt说的是终端点，这里是访问点，术语换过来跟英文版一致。
 2026-10-27 21:18:24 +08:00
hrz 1a675e4d6b 部署文档改准：示例配置、镜像架构和日志样例 (#3507) 
* 部署文档改准：示例配置、镜像架构和日志样例

最简配置示例里选中的模型改成仓库默认那个；镜像架构那句改成同时提供两种架构；升级步骤去掉单模块没有的 web 容器；compose 文件名、章节编号、配置路径和日志版本号一并改对。

* 部署文档的启动日志样例改成实际模块串

全局日志器拿不到各模块的名字，样例里那串缩写换成实际输出的样子。

* 部署文档的升级步骤编号改对并补全日志样例

升级那几步改成4开头，删掉单模块用不到的web镜像，样例补上视觉分析接口那行，分隔符也对齐实际输出。

* 部署文档里配置说明的路径改成仓库链接

按 docker 方式部署的人，xiaozhi-server 目录下并没有 config.yaml，这句路径换成能点开的仓库链接，两种方式都用得上。
 2026-10-27 21:13:05 +08:00
hrz 40a7ed0391 三份译文里的术语跟本文件其它地方对齐 (#3506) 
德语版把回答速度统一成反应速度，英语版和葡语版把 MCP 接入点统一成本文件其它地方用的说法。
 2026-10-27 21:10:55 +08:00
hrz 62e316f298 把 README 的错字修正和品牌名统一带到 main (#3504) 
* 修中文 README 的四处错字并统一品牌名写法

中文 README 自己有四处错：括号不配对、该写客户端的地方写成了客户、提示语用逗号收尾、OpenAI 写成了小写。葡语版和越南语版跟着源文一起小写的几处也改了。

* 把中文源的括号和越南语版的句号改对

中文源文 Memory 那行第 3 格还是全角括号，改成半角，
跟另外五版一样。越南语版提示语那行还是逗号收尾，改成句号。
 2026-10-27 21:09:57 +08:00
hrz 76cef92cb2 修正性能测试和声纹识别两份文档里跟代码对不上的十二处 (#3502) 
* 修正两份操作文档里跟代码对不上的地方

性能测试那份把配置路径写错、没提要先装依赖，步骤里少了非流式语音合成，流式语音合成要配哪些供应器也没写；声纹识别那份的重启命令指向两个不同的编排文件，有两句话连写三遍，编号也乱了，示例漏了相似度阈值。逐条改到跟代码一致。

* 把性能测试文档的说明改得跟代码一致

供应器表里两家的写法与代码相反，改成如实描述；步骤清单补回流式语音识别；
示例里的视觉模型段改成能跑通的形态；声纹文档两个重复的标题改掉一个。

* 性能测试文档的说法跟Linkerai跳过行为对齐

它没配就整项跳过，不再算进报错后跳过那一类。与#3510的行为对齐。

* 性能测试文档改对缺供应器时的记法

不是跳过，是报错后记成失败，结果表里多一行。带守卫的那几家才是整项跳过。

* 强调易错处
 2026-10-27 21:09:09 +08:00
hrz 826c25d3e5 修正 PaddleSpeech 部署文档里对不上代码的四处 (#3501) 
* 修正 PaddleSpeech 部署文档里对不上的地方

示例配置里写了 provider 根本不读的那项采样率，还说 http 协议能自动选，其实只实现了 websocket；代码那一节是空的；启动命令没说在哪个目录跑，配置文件的路径只给了 Windows 写法。逐条改到跟代码一致。

* 补上 PaddleSpeech 部署文档的配置目录和环境说明

配置文件那节改成新建，写明 data 目录被 gitignore 忽略，要先建出来。
数字人页面的启动命令改成从仓库根目录算，另开一个终端。
代码块围栏换成 bash，另补一段说明小智服务用哪个 Python 环境，
以及数字人页面那套依赖在哪。

* PaddleSpeech 部署文档修四处会照抄失败的地方

启动命令的围栏改成 bash；建 data 目录那条标明在仓库根目录执行；启动服务那段不再重复 cd；数字人那节补一句 numpy 的依赖来自哪两个文件。

* 修正conda环境名
 2026-10-27 21:05:07 +08:00
hrz f1965167cc 性能测试跳过未配置的Linkerai语音合成 (#3510) 
配置里没有这个供应器时整项跳过，不再报一条测试失败。
 2026-10-27 15:35:38 +08:00
wengzh 6c352e5978 Merge pull request #3436 from xinnan-tech/perf/hello-handshake-fast 
hello 握手首屏响应从 4s 降到 200ms
 2026-10-27 14:34:13 +08:00
Sakura-RanChen 032f6f1582 fix: 修复唤醒流程错误阻塞事件接收循环 2026-10-27 10:36:35 +08:00
hrz a377d89dcd 补齐德语版平台表里漏掉的四个供应器 (#3500) 
德语版把火山和阿里拆得比中文细，拆的时候漏了同族的另一个：LLM 少火山网关，TTS 少火山网关和百炼，ASR 少豆包流式 V2。补上，名字按德语版自己的写法。
 2026-10-26 22:47:47 +08:00
hrz d35b9f8b00 修中文 README 的四处错字并统一品牌名写法 (#3498) 
中文 README 自己有四处错：括号不配对、该写客户端的地方写成了客户、提示语用逗号收尾、OpenAI 写成了小写。葡语版和越南语版跟着源文一起小写的几处也改了。
 2026-10-26 22:30:14 +08:00
hrz d687121e99 把四份 README 里图片的说明文字译成本地语言 (#3497) 
en、de、pt_BR、vi 四份里 15 条演示图的说明文字和架构图那句还是中文，这轮全部译成本地语言，越南语版的校徽说明、葡语版声纹那句也一起改掉。图片路径一个字没动。
 2026-10-26 22:29:27 +08:00
hrz badf6fe3d0 按中文源文补齐四份 README 的描述和术语 (#3494) 
横向扫尾清单里的几处：star-history 图表代码还是旧的，换成中文那版；
德语版开头少了知识库这一项；英德葡三版的意图识别行丢了外挂大模型和
自主函数调用这两层说法；越南语版首屏把声纹写成语音识别，
部署表的特点列和版本比较基准也写窄了。
 2026-10-26 22:28:49 +08:00
hrz adb4a15f2d 同步西语版 README 与中文源文的平台清单和说明 (#3492) 
* 同步西语版 README 与中文源文的平台清单和说明

西语版落后中文源文一整轮：平台表少了 CustomTTS、SherpaParaformerASR、VoskASR 这些，
旧的 GizwitsTTS、ACGNTTS 还在，Index-TTS、PaddleSpeech 的键名也旧了。
部署表里那组核数和内存全库查不到出处，按中文删掉；界面语种、插件加载、
测试工具和声纹说明那段一并对齐。中文源文和其它四个语言版没动。

* 把音频交互测试工具的用法改成指向 README

原来在用法里内嵌装依赖的命令，句子太长。改成指向 main/digital-human 的 README，
依赖怎么装、模型从哪来，那份 README 里都写了。

* 补上意图识别行里外挂的大模型这一层

中文源文写的是支持外挂的大模型意图识别，西语版只写了模型本身，
把可以外挂这层意思漏了。补上。
 2026-10-26 22:27:32 +08:00
hrz a5f9a782d6 补齐五份 README 的供应器清单和音频测试工具用法 (#3491) 
* 补上阿里百炼和 LM Studio 并统一越南语品牌写法

ASR 那行中文只写阿里云，配置里阿里系有三条，另外四份也按各自写法补上百炼。LM Studio 走的是 openai 接口，仓里没有独立的供应器，所以并进 openai 那一行，免费平台那列不动。越南语版三处 iFlytek 统一成官方写法 iFLYTEK。

* 补上音频交互测试工具的前置步骤

digital-human 的说明里要求先装 wakeword 依赖再启动，README 里原来只写了启动命令，照着做会缺依赖。五个语言版的用法都补上这一步。

* 把性能测试脚本的提示写清文档在仓库根

脚本是在 main/xiaozhi-server 下执行的，那儿没有 docs 目录，文档在仓库根，原来的提示照字面找不到文件。

* 统一德语版百炼流式语音识别的写法

同一份文件里 LLM 那行写的是 Alibaba Bailian，语音识别这行写成了 Aliyun Bailian，
同一家供应商两种拼法。改成跟 LLM 那行一样。

* 把音频交互测试工具的用法改成指向 README

原来在用法里内嵌装依赖的命令，句子太长。改成指向 main/digital-human 的 README，
依赖怎么装、模型从哪来，那份 README 里都写了。
 2026-10-26 22:26:15 +08:00
hrz 7ab4cc5c90 把音频交互测试工具的用法改成指向 README 
原来在用法里内嵌装依赖的命令，句子太长。改成指向 main/digital-human 的 README，
依赖怎么装、模型从哪来，那份 README 里都写了。
 2026-10-26 21:13:51 +08:00
hrz 9c4790c8d0 统一德语版百炼流式语音识别的写法 
同一份文件里 LLM 那行写的是 Alibaba Bailian，语音识别这行写成了 Aliyun Bailian，
同一家供应商两种拼法。改成跟 LLM 那行一样。
 2026-10-26 19:00:26 +08:00
hrz 4fd51c6f7f 把性能测试脚本的提示写清文档在仓库根 
脚本是在 main/xiaozhi-server 下执行的，那儿没有 docs 目录，文档在仓库根，原来的提示照字面找不到文件。
 2026-10-26 18:46:47 +08:00
hrz e7e0a886bf 补上音频交互测试工具的前置步骤 
digital-human 的说明里要求先装 wakeword 依赖再启动，README 里原来只写了启动命令，照着做会缺依赖。五个语言版的用法都补上这一步。
 2026-10-26 18:46:40 +08:00
hrz 3ff080bb0d 补上阿里百炼和 LM Studio 并统一越南语品牌写法 
ASR 那行中文只写阿里云，配置里阿里系有三条，另外四份也按各自写法补上百炼。LM Studio 走的是 openai 接口，仓里没有独立的供应器，所以并进 openai 那一行，免费平台那列不动。越南语版三处 iFlytek 统一成官方写法 iFLYTEK。
 2026-10-26 18:46:37 +08:00
hrz ca8ff121d4 按代码实际情况修正五份 README 的平台清单和说明 (#3489) 
* 修正 README 里过时的平台清单和漏掉的供应器

删掉服务端已经不存在的 GizwitsTTS、ACGNTTS、灵犀流式TTS，补上漏写的 CustomTTS、GroqASR、Qwen3ASRFlash 等。声纹一栏改成真正的 voiceprint-api 服务。管理后台的界面语种、插件的加载时机、部署表里的配置要求、音频测试工具的前置步骤，都按代码里的实际情况改写。

* 改掉性能测试脚本里写错的文档路径

脚本启动时提示的 doc/performance_testerer.md 找不到，真实文件是 docs/performance_tester.md。

* 把离线模型补进免费平台列并撤掉音频工具那处改动

两个离线模型走的是本机，不消耗付费接口，和列里已有的本地模型一样，所以补进免费平台列。音频交互测试工具要装 wakeword 依赖这一条，和另一处改同一张表的改动挨着，两边同时开必冲突，先从这次改动里拿掉，等那边合上再单独提。
 2026-10-26 18:37:15 +08:00
hrz 9f63b255fb 修好四个语言版 README 里的图片路径 (#3488) 
这四个文件在 docs/readme 目录下，图片却写成 docs/images/demoN.png，浏览器按 docs/readme 去找，全是 404。改成 ../images/demoN.png，跟西语版和其他图片的写法一致。四个文件各 15 处，只动路径，别的没碰。
 2026-10-26 18:36:39 +08:00
hrz 9d34360a2c 把 README 里核心模块那一行改成不写数量 (#3487) 
* 把 README 里核心模块的数量改成四个

模型响应测试工具那一行列了 ASR、LLM、VLLM、TTS 四个模块，却写着三个核心模块。中文源文和 en、de、pt_BR、vi 四个语言版统一改成四个，每份只动表示数量的那个词。

* 把核心模块那一行改成不写数量

先改成四个之后发现还是会错：performance_tester 目录下实际有六个脚本，脚本数还会随供应器增加，写死数量早晚再错一次。最终去掉数量词，改成「等核心模块」，五个语言版同步。
 2026-10-26 18:35:27 +08:00
hrz 2f18e2ee0a Merge pull request #3486 from beeman/beeman/translate-readme 
Add Spanish translation of README
 2026-10-26 18:34:51 +08:00
hrz fd05dd5159 把西语 README 里核心模块的数量改成四个 
模型响应测试工具那一行列了 ASR、LLM、VLLM、TTS 四个模块，却写着三个核心模块，这里改成四个。只动表示数量的那个词，句子的其余部分不动。
 2026-10-26 17:38:20 +08:00
Sakura-RanChen 82d2acc78c - audio_to_data 缓存键加入文件 mtime：regen 覆写 wav 后旧缓存自动失效， 
并在 regen 后预编码新文件，唤醒回复不再播旧音频且延迟收益保留
- enhanced_prompt 缓存键补上 emoji_enabled 与 prompt 哈希：
  同设备不同客户端（ESP32/digital-human）不再互相污染，改配置即时生效
- 删除 initialize 响应后的 tools/list 兜底补发：id=2 同连接复用
  违反 JSON-RPC 与设备端严格递增约定（#3461/#3485），且兜不住任何场景
 2026-10-26 17:09:09 +08:00
Sakura-RanChen 77be288c8e Merge branch 'perf/hello-handshake-fast' of https://github.com/xinnan-tech/xiaozhi-esp32-server into perf/hello-handshake-fast 
# Conflicts:
#	main/xiaozhi-server/requirements.txt
 2026-10-26 17:04:54 +08:00
hrz ba22f5b765 把西语 README 里重复的一句改回中文 
上一版把研发团队那一行的中文也译成了西语，于是两行说的是同一件事。仓库里另外四个语言版本都是本地语言一行加中文原句一行，这里改回中文行，跟它们保持一致，也去掉了重复。
 2026-10-26 16:45:22 +08:00
hrz 0492dc5924 del：移除测试项 2026-10-26 16:36:46 +08:00
hrz ffd4ab74d7 修正西语 README 的术语和措辞 
按评审意见改掉两处必改：HomeAssistant 不再拆成两个词，警告里的担保对象改回第三方服务商。另外统一了配置方案的说法，补上收费和大模型这两层意思，把 RAG 改成 Rag，漏译的那行中文也译了。只动这一个文件。
 2026-10-26 16:26:44 +08:00
wengzh f0ebebfa85 Merge pull request #3485 from xinnan-tech/py-test-tool 
Py test tool
 2026-10-26 15:15:04 +08:00