小爱第一代AI音箱可以通过第三方桥接工具接入ChatGPT、文心一言等大模型,核心思路是拦截音箱的语音请求并转发给大模型API,但需要一定的技术动手能力,且无法保留原厂全部功能,最常见的方案是使用Node-RED或HomeAssistant配合小爱官方开发者模式实现。
为什么小爱第一代接大模型这么麻烦
小爱第一代音箱(2017年发布,型号L07A)用的是老款晶晨A112芯片,系统底层基于Android 6.0,内存只有256MB,这个硬件规格决定了它跑不动本地大模型,只能走云端API转发路线,另外小米官方在2026年之后才逐步给部分型号推送大模型升级,第一代音箱不在名单里,所以市面上的接入方案全是民间开发者逆向搞出来的。
行业共识认为:第一代小爱音箱想接大模型,必须借助外部设备或者改变网络请求走向,让音箱本身只做一个麦克风和扬声器。
小爱音箱接入大模型的三种主流方案对比
| 方案 | 所需设备 | 技术门槛 | 稳定性 | 功能损失 |
|---|---|---|---|---|
| Node-RED请求转发 | 电脑或NAS常驻运行 | 中等 | 较高 | 部分系统指令冲突 |
| HomeAssistant + 大模型插件 | 树莓派或软路由 | 较高 | 高 | 接管全部语音逻辑 |
| 魔改固件直刷 | 拆机+TTL线 | 极高 | 不稳定 | 失去米家生态联动 |
从实际体验来看,Node-RED方案是多数人最终的选择,因为不需要拆机,固件层面只开一个开发者模式就行,HomeAssistant方案更适合本来就有智能家居中枢的用户,相当于用HA做大脑,音箱退化成语音收发器。
动手实操:用Node-RED给第一代小爱接上大模型
第一步,开启小爱音箱的开发者模式
打开米家App,进入小爱音箱设置页,连续点击版本号七次,系统会弹出开发者选项,这里需要强调的是,第一代音箱的开发者模式入口隐藏得比较深,部分固件版本没有该选项,需要先升级到1.98.0以上的稳定版固件。
开启后记录下音箱的IP地址和端口号,默认是168.x.x:9527,这个端口号是自定义协议教程里通用的调试端口。
第二步,架设Node-RED环境
在电脑或NAS上安装Node-RED,然后安装两个关键节点库:node-red-contrib-miot和node-red-contrib-chatgpt,前者负责和小爱音箱通信,后者负责对接大模型API。
安装命令如下:
npm install node-red-contrib-miot node-red-contrib-chatgpt
安装完成后重启Node-RED,左侧节点面板会出现小爱音箱和ChatGPT两个分类。
第三步,配置语音请求拦截与转发
核心逻辑是:小爱音箱收到用户语音提问后不做本地理解,直接把录音或文本丢给Node-RED,Node-RED再把问题拼上提示词发给大模型API,拿到回复后让小爱播报出来。
具体的Flow构建分四段:
- 监听节点
miot:device-event,筛选出包含文本内容的语音消息 - 用函数节点写判断:如果对话包含"退出大模型"则回到原生模式,否则走大模型请求
- OpenAI请求节点填上API Key和模型名称(gpt-4o-mini或文心一言的ERNIE-Bot均可)
- 回复节点调用
miot:say动作,强制小爱播报文字内容
第四步,解决流式响应卡顿问题
第一代音箱的扬声器播报机制不支持流式输出,API返回的完整文本一次性发给音箱,如果回答超过100字,音箱会在播报中途吃掉后半段,解决方案是在函数节点里做文本切片,按50字为一个断点,用msg.delay延时500毫秒发送多条播报指令。
不折腾的方案:米家自动化+API中转平台
如果不想写代码,市面上有少数第三方中转平台提供小爱音箱接入大模型的服务,这类平台的做法是在云端模拟小爱音箱的协议,用户把音箱的授权码填进去,平台直接接管。
但这套方式有几个缺陷:
- 需要把米家账号密码或token交给第三方,存在隐私泄露风险
- 第一代音箱在2024年之后就已经无法绑定部分第三方平台了,适配性越来越差。
- 免费平台基本不可用,收费平台价格在每月10元到30元不等
对于只是图新鲜的普通用户,与其折腾这些平台,不如直接花小几十块入手一个小爱音箱Pro(带红外版),那个型号在2026年已经接入了自家大模型,开箱即用。
接入大模型后,第一代小爱到底能做什么
成功接入后,实际体验和原厂小爱相比变化很明显,原厂语音助手在被问到"帮我写一封辞职信"这类开放式问题时只会回答"我还不会这个技能",而接入大模型之后可以完成这些事:
- 生成菜谱、旅游攻略、故事续写等创意内容,有一些灵光一闪的回答远好于原厂
- 多轮对话的上下文记忆能力明显提升,不再需要每次重复主语,原厂小爱经常忘事
- 知识类问题的回答深度接近专业水平,物理化学题能给出完整解题过程
但也有翻车的地方,因为大模型的回复风格和音箱的播报习惯不匹配,长段落文字经过TTS(音箱的语音合成引擎)读出来的时候,断句会比较怪,听起来不太自然,另外第一代音箱唤醒延迟本来就高,加上请求中转的耗时,整套流程下来大概需要3到5秒才能开始播报,这个时间成本可能让部分用户觉得不够理性。
相关问题解答
小爱音箱接入大模型后还能用原来的闹钟和音乐功能吗
可以,Node-RED方案只是拦截了部分语音请求,闹钟、倒计时、音乐播放这些本地控制指令仍然走音箱内置逻辑,前提是函数节点里做好关键词白名单判断,比如出现"几点了""设置闹钟"就直接返回原厂处理,不发给大模型。
第一代小爱音箱接入大模型的成本大约是多少
按照常用方案计算,如果手头有闲置电脑或NAS,硬件成本为零,Node-RED运行需要长期在线,功耗约10瓦左右,一年电费在五十元上下,这和更换新品的成本相比,对动手能力强的用户来说是比较节省的选择,大模型API按量计费,日常使用频率下每月不足10元,使用频繁的话可能会高一些。