30分钟把小爱音箱接入 ChatGPT：MiGPT 完整配置教程，改造成真正听得懂人话的 AI 语音助手

30分钟把小爱音箱接入 ChatGPT：MiGPT 完整配置教程，改造成真正听得懂人话的 AI 语音助手

【免费下载链接】mi-gpt🏠 将小爱音箱接入 ChatGPT 和豆包，改造成你的专属语音助手。项目地址: https://gitcode.com/GitHub_Trending/mi/mi-gpt

MiGPT（项目名mi-gpt）是一个 Node.js 开源项目，把小爱音箱接入 ChatGPT、豆包等大语言模型：启动后你对着音箱说"小爱同学，请 xxx"，回答你的不再是小爱自带的模板话术，而是大模型的真实回复。本文按你真实的决策顺序展开：值不值得折腾、能不能跑、怎么最省事地跑起来、怎么调得顺手，最后附一份可对照的排障清单。

值得折腾吗：接入大模型后能做什么，又改不了什么

先说接入后真实的变化，方便你判断这笔折腾值不值。

会变的部分：

• 自然语言问答。"小爱同学，请解释一下黑洞是怎么形成的"，回答来自大模型而不是搜索摘要，追问"那它和虫洞有什么区别"能接住上下文。
• 连续对话。支持连续对话的机型进入唤醒模式后，可以连问三句不用每句都喊"小爱同学"，它记得你第一句问的是什么。
• 角色扮演。配置里把小爱的人设改成"性别女，性格乖巧可爱"这类简介，或者直接说"小爱同学，你是我的英语老师"，它就会按这个角色回你。
• 长短期记忆。对话记录存在本地数据库里，由大模型异步提炼成短期记忆和长期记忆，聊得越久它越知道你的习惯，不需要额外开启任何开关。

改不了的部分（项目原理决定，刷机才行）：

• 小爱内置回复会抢话。从你说完到 MiGPT 通过小米云端接口轮询到"小爱正在回复"的状态，有大约 1~2 秒延迟，这期间小爱自己那句话的开头可能已经响了，无解。
• "小爱同学"唤醒词写在固件里，不能改成"豆包"之类的。
• 共享设备不支持。小爱音箱如果是别人账号共享给你的，MiGPT 拿不到设备，无法启动。
• 项目已声明停止维护（README 顶部有公告），但核心的大模型对话功能完整可用，现有版本能装能用。

如果你家里现成有小爱音箱、不想再买新硬件，折腾成本大约就是一条 Docker 命令加一个模型 API 密钥，值得一试。

动手前先查音箱型号：兼容性速查

MiGPT 走的是小米 MIoT 云端接口，不同机型的"播放文本"和"唤醒"指令编码不同，而且部分机型查不到播放状态，直接影响能不能用连续对话。先看你的型号在不在支持列表里，完整清单见 docs/compatibility.md。

完美支持（可开连续对话）：

基本支持（不支持连续对话）：小爱音箱 Play 增强版（L05C）、小爱触屏音箱（LX04）、小爱音箱 mini（LX01）、小米智能家庭屏 6（X6A）等。这类机型 MIoT 接口查不到播放状态，streamResponse必须设为false。

不支持：小米小爱音箱 HD（SM4）、小爱蓝牙音箱随身版；小度、天猫精灵、HomePod 等非小米设备也不在适配范围内。

型号在米家 App 的设备详情页可以查到。查到型号后，去小米 MIoT 设备规格库搜型号（比如lx06），点"规格"找到设备文档，ttsCommand、wakeUpCommand就是文档里play-text、wake-up两个动作对应的 SIID 和 AIID：

复制两份配置文件加一条命令，Docker 跑起来

准备工作一共三样：一台装了 Docker 的机器（家用主机、群晖、云服务器都行，不需要和小爱音箱在同一局域网，全程走云端接口）、你的小米账号、一个模型 API 密钥。

git clone https://gitcode.com/GitHub_Trending/mi/mi-gpt cd mi-gpt cp .env.example .env # 大模型配置 cp .migpt.example.js .migpt.js # 音箱与角色配置

.env只改前两行：

OPENAI_MODEL=gpt-4o-mini # 使用的模型 OPENAI_API_KEY=sk-proj-xxxx # 你的 API 密钥 # OPENAI_BASE_URL=https://api.openai.com/v1 # 默认地址，国内模型时替换

接入非 OpenAI 的模型：通义千问、DeepSeek、Moonshot（Kimi）等本身就是 OpenAI 兼容接口，直接改OPENAI_BASE_URL和OPENAI_MODEL即可，例如通义千问填https://dashscope.aliyuncs.com/compatible-mode/v1+qwen-turbo。豆包、文心一言这类不兼容 OpenAI 协议的，需要先通过 One API 或 simple-one-api 这类聚合工具转成 OpenAI 格式，再把地址填进OPENAI_BASE_URL。

.migpt.js只需要动speaker下的五个参数，其余保持默认：

export default { speaker: { userId: "987654321", // 小米 ID，不是手机号或邮箱，在「个人信息 - 小米 ID」查看 password: "123456", // 小米账号密码 did: "小爱音箱Pro", // 米家中的设备名称，注意错别字（音响≠音箱）、空格、大小写 ttsCommand: [5, 1], // 播放文本指令，SIID+AIID wakeUpCommand: [5, 3], // 唤醒指令，SIID+AIID }, };

ttsCommand和wakeUpCommand怎么查：在 MIoT 规格库打开你机型的设备文档，找到 SIID 为 5 的intelligent-speaker服务，play-text的 AIID 对应ttsCommand，wake-up的 AIID 对应wakeUpCommand，小爱音箱 Pro 查出来就是[5, 1]和[5, 3]：

配置文件放好后，一条命令启动：

docker run -d --env-file $(pwd)/.env -v $(pwd)/.migpt.js:/app/.migpt.js idootop/mi-gpt:latest

Windows 终端（PowerShell、cmd）不识别$(pwd)，换成配置文件绝对路径，例如-v D:/hello/mi-gpt/.migpt.js:/app/.migpt.js。

启动后对着音箱说"小爱同学，请问地球为什么是圆的"，能听到完整回答就算成功了。

想改代码或调试：源码方式直接跑

如果你要改角色设定逻辑、看日志细节，或者环境里本来就有 Node.js（要求>=16），可以不走 Docker：

git clone https://gitcode.com/GitHub_Trending/mi/mi-gpt cd mi-gpt pnpm install # 安装依赖（npm install 也可以） pnpm db:gen # 初始化本地 SQLite 数据库（Prisma 迁移） cp .env.example .env cp .migpt.example.js .migpt.js pnpm dev # 开发模式启动，自动读取 .env

pnpm dev等价于node --env-file=.env ./app.js，正式跑用pnpm start。登录成功后会在根目录生成.mi.json登录态缓存文件，这个文件对排障很有用，后面会用到：

源码方式和 Docker 方式共用同一套.env与.migpt.js，改完重启即生效；Docker 方式下改了配置文件记得重启容器，个别参数（如名称、简介）改完可能要删掉旧容器重建。

让对话变顺手：连续对话、人设、记忆与声音

默认配置跑通后，按需调下面几组参数，都在.migpt.js里。完整参数表见 docs/settings.md。

连续对话（唤醒模式）。streamResponse为true的机型，通过wakeUpKeywords进入唤醒状态后就能免唤醒连问：

speaker: { streamResponse: true, // 开启连续对话，仅完全支持机型 callAIKeywords: ["请", "你", "傻妞"], // 以这些词开头会调用 AI 回复 wakeUpKeywords: ["打开", "进入", "召唤"], // 以这些词开头进入唤醒模式，如"小爱同学，召唤傻妞" exitKeywords: ["关闭", "退出", "再见"], // 以这些词开头退出唤醒模式 exitKeepAliveAfter: 30, // 唤醒模式下多少秒无响应自动退出，建议不超过 60 }

进唤醒模式后不用每句喊"小爱同学"，等它说"我说完了"再问下一句；超过 30 秒不说话它会自己退出，届时再重新召唤。

提示语。每次进入、开始回答、答完都有默认提示语（"让我先想想"、"我说完了，还有其他问题吗"），嫌啰嗦就把对应项设成空数组关掉，注意全关后可能感觉小爱"没反应"：

speaker: { onAIAsking: [], // 关闭 AI 开始回答时的提示语 onAIReplied: [], // 关闭 AI 结束回答时的提示语 }

人设。bot.name、bot.profile（小爱是谁）和master.name、master.profile（你是谁）会拼进系统 Prompt，模板是文件顶部的systemTemplate。不想改文件也可以运行时直接说："小爱同学，你是一名歌手，喜欢唱跳 rap"。

记忆。默认就开着：每条消息入库存档，每积累约 10 条由大模型异步提炼成短期记忆，短期记忆再滚动汇总成长期记忆，对话越长越贴合你的语境，无需配置。

换音色（第三方 TTS）。默认tts: "xiaoai"用小米自带合成。想换成豆包同款火山引擎音色或本地 ChatTTS，需要自部署一个 TTS 服务（作者提供了 MiGPT-TTS 参考实现），然后：

// .env TTS_BASE_URL=http://192.168.31.205:4321/xxxx/api // 你的 TTS 服务地址，勿用 localhost // .migpt.js speaker: { tts: "custom", // 切换到第三方 TTS 引擎 switchSpeakerKeywords: ["把声音换成"], // 说"小爱同学，把声音换成 xx"即可切音色 }

第三方 TTS 的接口要求和音色列表见 docs/tts.md。

回复太快/太慢。嫌等得久，换响应更快的模型（如gpt-3.5-turbo），或把连续对话的播放状态检测间隔调小：checkInterval: 500（单位毫秒，最低 500，默认 1000），能减轻回复之间的停顿感。

对照排障清单：从现象到解法

按报错信息对号入座，更完整的问答在 docs/faq.md：

另外两个设计层面的"坑"提前知道：小爱内置回复抢话的 1~2 秒延迟无解；一个容器只支持单实例单账号，多台音箱或多账号要建多个容器，各自挂不同的.migpt.js。

建议的下一步：从三件事里挑一件做

配置跑通后，按这个顺序往下走最省力：

1. 把OPENAI_BASE_URL换成豆包或通义千问的接入地址，同一问题问两个模型，体会一下回答风格差异，选一个你更顺耳的固定下来。
2. 自部署 MiGPT-TTS，用"小爱同学，把声音换成 xxx"试一次非小米自带音色——这是默认配置之外体感变化最大的一步。
3. 把bot.profile和systemTemplate改成符合你家场景的人设（比如给孩子的"小学老师"），让它长期记住你家的作息和偏好，观察几天记忆系统的效果。

配置文件只有两个、参数也就十几项，跑通之后每天改一处参数、重启一次容器，一周之内你就能把这台音箱调成自己最习惯的样子。

【免费下载链接】mi-gpt🏠 将小爱音箱接入 ChatGPT 和豆包，改造成你的专属语音助手。项目地址: https://gitcode.com/GitHub_Trending/mi/mi-gpt