xiaozhi-esp32 AIツール

概要

xiaozhi-esp32は、中国の開発者「虾哥(エビ兄さん)」が公開しているESP32マイコン向けのオープンソースAI音声チャットボットファームウェアです。MITライセンスで提供されており、商用利用を含め誰でも無料で使用・改変が可能です。Qwen・DeepSeekをはじめとする大規模言語モデル(LLM)の音声対話機能を、手のひらサイズの安価なマイコン基板上で実現できます。GitHubのスター数は2万8千超(2026年7月時点)を誇る、ハードウェアAI開発の世界で最も注目されるプロジェクトのひとつです。

注目される理由は「AIと物理世界をつなぐ入口」としての完成度の高さにあります。音声での会話にとどまらず、MCP(Model Context Protocol／AIが外部の機器やサービスを操作するための共通ルール)を通じてスマートホーム制御・PCデスクトップ操作・メール送受信といった実用的なIoT連携まで可能です。70種類以上のESP32系ボードをサポートし、初心者向けに開発環境不要でそのまま書き込めるビルド済みファームウェアも提供されているため、コーディング経験がない個人開発者でも挑戦できます。

主な機能

• ウェイクワード(呼びかけ)による音声起動: デフォルトは「你好小智」ですが、26種類以上の公式ウェイクワードからカスタマイズ可能。オフライン動作で200ms未満の超低遅延起動を実現し、スタンバイ時の消費電流は5mA未満です。
• Qwen / DeepSeek などの大規模LLMとの音声対話: クラウド上のAIモデルと連携し、マイコンが話しかけた内容を認識・応答します。公式サーバー(xiaozhi.me)に接続すれば、個人アカウント登録でQwenリアルタイムモデルを無料で利用可能です。
• MCPプロトコルによるIoT・スマートホーム制御: デバイス側MCP(音量・画面輝度調整など)とクラウド側MCP(スマートホーム制御・PCデスクトップ操作・知識検索・メール送受信など)の両方に対応。AIに声で指示するだけで家電や外部サービスを操作できます。
• 70種類以上のESP32系ボードに対応: ESP32-S3・ESP32-C3・ESP32-P4など多様なボードをサポート。Waveshare・M5Stack・SenseCapなど市販の人気ボードにも対応済みで、自分の手持ち機材から選択できます。
• カスタムアセット生成器による外観カスタマイズ: ウェイクワード・フォント・絵文字・チャット背景をWebブラウザ上のツールでノーコード編集できます。キャラクターに個性を持たせたオリジナルAIアシスタントを作れます。
• OTA(無線ファームウェア更新): xiaozhi.meコンソールでOTA更新を有効にしておくと、USBケーブルなしでファームウェアが自動更新されます。常に最新版を手軽に維持できます。
• セルフホスト対応のバックエンドサーバー: 公式サーバーを使わず、自前のPCやサーバーにバックエンド(xiaozhi-esp32-server)を立ち上げることも可能。プライバシー重視の用途や法人利用にも柔軟に対応できます。

料金プラン

> ハードウェア(ESP32ボード・マイク・スピーカー等)は別途購入が必要です。

導入方法

ステップ1: ハードウェアを用意する

ESP32-S3搭載のマイク・スピーカー付き開発ボード(例: Waveshare ESP32-S3シリーズ、M5Stackシリーズなど70種以上から選択)を用意します。初心者にはキット購入が推奨されています。

ステップ2: ファームウェアを書き込む(初心者向け・開発環境不要)

公式GitHubのREADMEにある「初心者向けファームウェア書き込みガイド」から、お手持ちのボード用のビルド済みバイナリをダウンロードし、以下のようにPythonスクリプトで書き込みます。

python upload_xiaozhi_bin.py

ステップ3: Wi-Fiを設定する

デバイスが起動すると Xiaozhi-XXXX というWi-Fiアクセスポイントが立ち上がります。スマホやPCで接続後、ブラウザで http://192.168.4.1 を開き、自宅のWi-Fiを設定します。

ステップ4: xiaozhi.meでアカウントとエージェントを作成

https://xiaozhi.me でアカウント登録 → コンソールで「エージェントを作成」→「デバイスを追加」し、デバイスに表示された認証コードを入力すれば完了です。

(上級者向け) ソースからビルドする

git clone https://github.com/78/xiaozhi-esp32.git
cd xiaozhi-esp32
idf.py set-target esp32s3
idf.py menuconfig   # ボード種類・言語を選択
idf.py build
idf.py flash monitor

ESP-IDF v5.3以上が必要です。

こんな人におすすめ

• 「声で操作できる自作AIスピーカー」を作りたい人: 市販のスマートスピーカーではできない細かいカスタマイズ(キャラクター設定・ウェイクワード変更など)を、自分好みに追い込みたい個人開発者に最適です。
• スマートホームを音声AIで自動化したい人: MCPプロトコルを使えば、HomeAssistantなどのスマートホームシステムと連携して「照明をつけて」「エアコンを22度に」といった音声コマンドで家電を操作できます。
• AIハードウェア開発を学びたい人: 「大規模言語モデルを実際のハードウェアに応用する」という最先端テーマを、安価なESP32ボードで体験できる学習教材としても優秀です。公式READMEもその意図で書かれています。
• 商用プロダクトに組み込みたい企業・メーカー: MITライセンスのため商用利用・改変・再配布が無制限に可能。独自の音声AIデバイスを低コストで試作・量産したいスタートアップや電子機器メーカーにも向いています。

よくある質問

Q. プログラミングの知識がなくても使えますか? A. 初心者向けのビルド済みファームウェアが公式GitHubで配布されており、Pythonスクリプト1行の実行とWi-Fi設定、xiaozhi.meでのアカウント登録だけでAI音声デバイスが完成します。ソースコードを触る必要はありません。

Q. どのハードウェアを買えばいいですか? A. ESP32-S3搭載でマイクとスピーカーが内蔵されている開発ボードが推奨です(WaveshareやM5Stackシリーズなど70種以上が対応済み)。マイク・スピーカーがあれば音声会話が可能で、ない場合はテキスト会話のみとなります。

Q. 中国語しか話せないAIですか? A. デフォルトは中国語ですが、多言語対応しており英語・日本語でも利用できます。コンソールのロール設定でAIに「日本語で話して」と指示するか、言語設定を変更するだけです。

Q. 会話データはどこに送られますか? プライバシーは? A. デフォルトでは公式サーバー(xiaozhi.me)経由でクラウドLLMに音声データが送られます。プライバシーが気になる場合は、別途OSSとして公開されている xiaozhi-esp32-server を自前のサーバーに構築してセルフホスト運用することが可能です。