今天真想想这种设备怎么做，研究了一下，发现openai真的断了很多公司的财路。比如我最开始的方案是，用raspberry pi 连aws的 speech recognition，然后再把内容传给chatgpt，然后再用tts转成语音。但是担心aws的语音识别效果不好？然后就发现，openai自己还有一个东西叫whisper。做语音识别刚刚的。1/n

那这样一来方案就变得更加简单了。设备端直接call whisper api，得到结果，然后在再调用gpt，然后再得到结果，然后服务器端生成语音。然后再直接传回来就可以了。那么设备端，降低成本，完全可以不用pi。设备端只要能被唤醒，接收语音，服务调用，接收，驱动speaker，就够了。那么esp32 就够了。2/n

那么整个BOM下来，加上一节18650，麦克风，speaker，那么基本上设备成本可以控制在20美元以内。那就是说这种东西完全可以做到玩具中去。。。。这个有搞头的。n/n