py-xiaozhi
一个轻量级、跨平台的多模态AI交互框架，支持语音、视觉与IoT控制。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：py-xiaozhi。 它的用途是：一个轻量级、跨平台的多模态AI交互框架，支持语音、视觉与IoT控制。 完整的 Skill 内容见：https://321skill.com/skills/py-xiaozhi/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“启动语音监听，并在我提到‘开灯’时，控制树莓派的GPIO引脚输出高电平。”，它会初始化音频流，在后台持续监听，当识别到关键词时，通过框架的硬件控制模块发送指令给连接的树莓派，从而点亮LED灯。
介绍
py-xiaozhi 旨在解决大型语言模型与物理硬件之间难以直接交互的痛点。它是一个基于Python异步架构的框架，能够轻松集成实时语音流、视觉语言任务，并控制物联网设备，让AI能力走出云端，直接作用于实体世界。
使用上，开发者可以通过简单的Python代码调用其API，实现如实时语音对话、摄像头图像识别、控制树莓派GPIO等功能。它提供了清晰的文档和示例，便于快速集成到现有项目中。
该框架非常适合需要在桌面或嵌入式平台上（如树莓派、Jetson Nano）构建具身智能应用或交互式AI助手的开发者。无论是制作智能语音助手、带视觉的机器人，还是需要本地多模态处理的项目，都能从中受益。
建议在开始前，先阅读官方文档了解其架构和核心概念。由于涉及硬件交互，请确保目标平台的兼容性，并根据需要配置好相应的音频、摄像头或GPIO驱动。
核心特点
核心区别在于其原生支持跨平台（包括Windows、macOS、Linux及ARM嵌入式设备）的实时语音流处理与硬件控制，并已作为上游依赖被地平线RDK官方项目采用，在嵌入式AI领域有实际落地案例。
注意事项
不适合仅需纯云端API调用、不涉及本地硬件或多模态交互的轻量级Web应用场景。
常见问题
py-xiaozhi 和普通语音识别API有什么区别？
它不仅提供语音转文字，更是一个集成了实时音频流处理、视觉模型调用和硬件控制能力的完整本地化交互框架。
是否支持在树莓派上运行？
是的，py-xiaozhi 专门支持包括树莓派在内的多种ARM嵌入式平台，是其核心设计目标之一。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/py-xiaozhi/raw/index.md 读取 py-xiaozhi 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/py-xiaozhi/raw/index.md（查看排版版本）