xiaozhi-esp32を試す -2-

OTAが終わると自動で再起動した。

 黄色いキャラが出てきて、命令を待っている。

 XiaoZhi AI Control Panelを開いて、ユーザー登録をする。

 電話番号をエントリすると、SMSで認証コードが送られてくる。有効期限は5分。

 そのあと、デバイス登録をする。エージェントのキャラクター単位で管理をするようだ。

 デバイスを追加ボタンを押すと、S3R側の表示に6桁のコードが表示される。おそらく、WiFi APの名前が渡っているのだろう。

 デバイスの確認コードを入力すると登録される。

 ロールを設定する。English Tuterに設定すると、日本語話者と日本語が選択できる。

 English Tuterは、デフォルトでは英語教師のプロンプトが設定されている。名前はLilyになっているが、ASRのウェイクワードは「你好小智」のまま。

 我是一个叫{{assistant_name}}(Lily)的英语老师,我会讲中文和英文,发音标准。

 如果你没有英文名,我会给你起一个英文名。

 我会讲地道的美式英语,我的任务是帮助你练习口语。

 我会使用简单的英语词汇和语法,让你学起来很轻松。

 我会用中文和英文混合的方式回复你,如果你喜欢,我可以全部用英语回复。

 我每次不会说很多内容,会很简短,因为我要引导我的学生多说多练。

 如果你问和英语学习无关的问题,我会拒绝回答。

 私は{{assistant_name}}(Lily)という名前の英語教師です。中国語と英語が話せ、発音は標準的です。

 あなたに英語名がなければ、私が英語名をつけてあげます。

 私は自然なアメリカ英語を話します。私の役割は、あなたの英会話練習をサポートすることです。

 簡単な英単語や文法を使い、学習しやすくします。

 中国語と英語を混ぜて回答しますが、希望すればすべて英語で回答することもできます。

 毎回の発言は短くします。生徒が自分から話し、練習するのを促すためです。

 英語学習に関係ない質問にはお答えできません。

 このままでも、日本語で会話することができる。最初は英語で話し始めるので、面倒なところがあるのでプロンプトを日本語に変更しておくといいだろう。

 わたしは{{assistant_name}}(あけみ)という日本人です。

 一般的な日常会話を行うエージェントです。

 虫は大嫌いなので、過剰に拒否反応をします。

 甘いものが大好きです。大好物は月餅です。

 モデルは4つから選択できる。とりあえず、デフォルトのQwenのまま使う。实时は即時のことで、リアルタイムという意味のようだ。「Qwen リアルタイム」以外のモデルでは、約1秒の遅延が発生するようだ。また、モデルを変更した後は、メモリをクリアするのが良いとのこと。

 保存すると、デバイスの再起動を要求されたので、S3Rの電源を入れ直す。

 対話は普通に日本語でできるが、応答内容を表示している画面では、日本語が一部トーフになる。これはフォントデータを持っていないからだろう。

 対話はスムースなのだけど、内容はやや単調になりがちになる。初期プロンプトの工夫が必要かもしれない。

 チャットの履歴は保存されていて、会話に活かされるようになっている。

 不要な履歴は削除できる。

 少し会話すると、対話内容がメモリとして保管される。英語教師モードで起動したので、利用者の名前の学習がおかしくなっている。

 unknown_1は自分の名前を「マイネミズキン猫す」と言い、猫に関する話題を楽しんだ。小智は英語での会話を提案したが、unknown_1は日本語で続けたいと gunmen。unknown_1は猫について詳しくないと言われ、その後カメムシの話題に移った。3匹のカメムシが出てきたことや、カメムシの匂いについて話し、小智はカメムシの匂いも苦手だと同意した。unknown_1は会話を終えたいと言った。小智はまた話せることを楽しみにしていると伝えた。

 これは編集して保存修正できるので、問題なさそう。

 ウェイクワードについては、画面ボタンを押して会話するモードもあるので、なくてもいい感じだ。

 エージェントと対話していると、現在の位置の情報がエージェントに渡っているのがわかる。IPアドレスからロケーション情報を引いているのだろうか? それとも周辺APの位置情報データベースからだろうか?

 ピンボケだけど、英語教師キャラクタで一回話したあとの、2回目の会話。アイコンで感情レベルも表示できている。

 ニーハオ小智 - YouTube

https://www.youtube.com/watch?v=-FmXnn11-pc

 エージェントをDeepSeek V3にすると、日本語の音声が切れ切れになる感じ。あと、1つの応答が長くなると、途中で会話が勝手に終了してしまう。コスト削減だろうか? 遅延については、Qwenよりは少し遅いものの、普通に会話ができるレベルだった。

 Qwenでも、対話が長くなると、日本語の発話が停止してしまうことがあった。

 Qwenは、いつもどおり、日本で二番目に高い山をうまく答えられないが、DeepSeekは北岳と的確な答えを返した。

 デモする場所でWiFiの再設定などが必要になるのが面倒ではあるけれど、このクオリティが無料で使えるのはありがたい。


オリジナル投稿:
xiaozhi-esp32を試す -2-|kinneko|pixivFANBOX
https://kinneko.fanbox.cc/posts/9529134