นักพัฒนาสร้างแอป Amuse และ Spark ที่ใช้ ESP32-S3 สร้าง AI ตัวละครพูดได้แบบ Realtime ผ่าน OpenAI API โดยไม่ต้องใช้เซิร์ฟเวอร์หรือมือถือ ผู้ใช้เลือกตัวละครแล้วพูดคุยได้แบบสองทาง ทั้งสองแอปใช้ GitHub ตั้งค่าและพัฒนาได้โดยไม่ต้องลงทะเบียนเพิ่มเติม ระบบจัดการการพูดคุยใน Worker ที่คอมไพล์เป็น Native Code พร้อม UI ทำให้ปรับแต่งได้ง่าย ตัวอย่างตัวละครมี KITT, Nova, Echo และ Flora ที่มีเสียงและสัญลักษณ์เฉพาะตัว Amuse ใช้ LemonSlice สร้างตัวละครพูดได้แบบ Realtime พร้อมการสั่งพูดแบบลิปซิงค์ ต้องใช้ Bridge บนคอมพิวเตอร์ในเครือเพื่อเชื่อมต่อและจัดการเสียง ทำให้หลายอุปกรณ์สามารถเชื่อมต่อได้พร้อมกัน เทคโนโลยีนี้ใช้ ESP32-S3 ที่มีหน้าจอ AMOLED 2.06 พร้อมฟีเจอร์ echo cancellation ที่ทำงานได้แบบ native ไม่ต้องพึ่งพาอุปกรณ์ภายนอก Spark เป็น Voice Agent ที่เปิด WebSocket ไปยัง OpenAI Realtime API รับเสียงจากไมโครโฟนและตอบกลับแบบ Realtime ผู้ใช้สามารถแทรกคำพูดระหว่างการตอบได้ ระบบจัดการตัวละครผ่าน Folder ที่มีไฟล์กำหนดค่าเสียงและ UI พร้อมการอัปเดตอัตโนมัติโดยไม่ต้องลงทะเบียนเพิ่มเติม การตั้งค่าต้องใช้ npm ci, npx gea setup และสร้างไฟล์ .env สำหรับ Wi-Fi และ API คีย์ ต้องระวังไม่ให้ API คีย์หลุดออกจาก firmware ทั้ง Amuse และ Spark ออกแบบให้ fork ได้เพื่อปรับแต่งตัวละครหรือเปลี่ยนอุปกรณ์ใช้งาน
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว