xiaozhi-go

xiaozhi-esp32-server 的 Go 精简版，OpenClaw 透传模式。

架构

ESP32 设备                   xiaozhi-go                    外部服务
┌──────────┐    WebSocket    ┌──────────────────┐
│  麦克风   │ ──── Opus ────→ │ Opus解码 → VAD   │
│          │                 │    ↓              │
│          │                 │ PCM → WAV         │
│          │                 │    ↓              │      ┌─────────────┐
│          │                 │ ASR (Whisper API) │ ───→ │ 语音识别服务  │
│          │                 │    ↓              │      └─────────────┘
│          │                 │ 文本              │
│          │                 │    ↓              │      ┌─────────────┐
│          │                 │ LLM (OpenClaw)    │ ───→ │ OpenClaw GW │
│          │                 │    ↓ (streaming)  │      └─────────────┘
│          │                 │ 分句 → TTS        │
│          │                 │    ↓              │      ┌─────────────┐
│  喇叭    │ ←── Opus ────── │ PCM → Opus编码    │ ←── │ TTS 服务     │
└──────────┘                 └──────────────────┘      └─────────────┘

依赖

• Go 1.22+
• libopus-dev (Opus 编解码)
• ffmpeg (TTS 音频转换)
• edge-tts (默认 TTS, pip install edge-tts)

macOS:

brew install opus ffmpeg
pip install edge-tts

Ubuntu:

apt install libopus-dev ffmpeg
pip install edge-tts

编译运行

# 下载依赖
go mod tidy

# 编译
go build -o xiaozhi-go .

# 运行
./xiaozhi-go -config config.yaml

配置

编辑 config.yaml:

# OpenClaw Gateway
llm:
  base_url: "http://your-gateway:18789/v1"
  api_key: "your-token"
  model: "openclaw"

# ASR (OpenAI Whisper 兼容)
asr:
  base_url: "https://api.openai.com/v1"
  api_key: "sk-xxx"
  model: "whisper-1"
  language: "zh"

# TTS
tts:
  provider: "edge"
  voice: "zh-CN-XiaoxiaoNeural"

# 设备→Agent 映射
device_agents:
  "AA:BB:CC:DD:EE:FF": "kitchen_agent"

代码结构

xiaozhi-go/
├── main.go                         # 入口
├── config.yaml                     # 配置
├── internal/
│   ├── config/config.go            # 配置加载
│   ├── server/
│   │   ├── server.go               # WebSocket 服务器
│   │   └── connection.go           # 核心管道: Audio→VAD→ASR→LLM→TTS→Audio
│   ├── protocol/messages.go        # 小智通信协议消息
│   ├── audio/
│   │   ├── opus.go                 # Opus 编解码 + PCM/WAV 工具
│   │   └── vad.go                  # 能量 VAD
│   ├── asr/openai_asr.go           # ASR: Whisper API
│   ├── llm/openclaw.go             # LLM: OpenClaw (SSE streaming)
│   └── tts/tts.go                  # TTS: Edge TTS / HTTP API
└── go.mod

与 Python 版的对比

	Python (xiaozhi-server)	Go (xiaozhi-go)
代码行数	26,693	~900
文件数	170	10
启动时间	10-30s (加载模型)	<1s
内存占用	~500MB (PyTorch)	~20MB
并发连接	asyncio+threading	goroutine (原生)
VAD	SileroVAD (PyTorch)	能量 VAD (零依赖)
本地 ASR	FunASR	需外部 API
LLM	多 provider	OpenClaw 透传
TTS	22 providers	Edge TTS / HTTP

后续扩展

• Silero VAD: 用 onnxruntime-go 加载 silero ONNX 模型替换能量 VAD
• sherpa-onnx ASR: 用 sherpa-onnx Go binding 实现本地离线 ASR
• 更多 TTS: 添加阿里云/火山引擎等 TTS provider