小智录音卡 · 使用指南
整份说明就是一场游戏:把这一页交给你的 AI,
它读一遍,带你拿到那三把钥匙。
你只做三件本人才能做的事——实名、收验证码、点授权。
其余的都交给它。
手上这台 · 改造原型
这一页也是写给 AI 的:把文件或链接交给它,它照本页配好,用户不用打字。配法在最后。
00 · 开工之前
这台机器没有「我的账号」,它说的每句话都是拿你自己的钥匙去开的。但钥匙不用你一个个去翻——开账号、建桶、拿 Key,都交给你的 AI。它读完这一页,会在需要你本人的那几步停下来,告诉你下一步该点哪儿。
| 只有你能做 | 为什么只能你来 | 大概几次 |
|---|---|---|
| 实名认证 | 云账号要身份证与人脸,AI 代办不了 | 一次 |
| 收验证码 / 点授权 | 手机在你手上,短信发给你 | 几次 |
| 确认费用 | 开通按量计费、会员,要你本人点头 | 一两次 |
01 · 认识它
一台白色的小盒子,比手宽一点:里面是 ESP32-S3、电池、麦克风和一块屏,外面是两个按键和一颗电源键。屏幕上一张极简的脸——两只方眼、一条长条嘴(照片里还是出厂时的小智界面,刷机后会换成这张脸)。
从按下到真正采音 30–110 毫秒。再按一下结束,不需要说「开始」「结束」。录音中或上传中按,会被忽略。
空闲 60 秒它会熄屏、进轻睡。这时按第一下只亮屏,看到那张脸之后再按第二下才开始录;彻底断电要按机身电源键。
待机是一张脸;录音时嘴在呼吸、指示灯暖白呼吸;上传时是箭头,成功是对勾,失败是叉。待机底部 ↑N 表示还有几条没传上去。
分区 10.9 MB,24 kbps 下约 58 分钟,30 分钟只占 5.4 MB。连续录超过 20 分钟,屏幕顶部才出现计时。
一根数据线,一台能读页面的 AI。插上,剩下的它做。
/dev/ttyACM0,macOS 是 /dev/cu.usbmodem*,Windows 是某个 COMx。屏幕出现那张脸,就是在等你。三个账号都是你的,只在一处需要你本人。
cli_ 开头的 Client ID 和 gk_live_ 开头的 API Key;你确认账号是会员。给 AI 的四条硬要求:桶必须私有;用 RAM 子账号,不用主账号密钥;策略只授这一个桶的 PutObject / GetObject;Endpoint 用外网的,且与桶同地域。
{
"Version": "1",
"Statement": [
{
"Effect": "Allow",
"Action": ["oss:PutObject", "oss:GetObject"],
"Resource": [
"acs:oss:*:*:你的bucket名",
"acs:oss:*:*:你的bucket名/*"
]
}
]
}
串口提示符是 rec>。AI 写完会 save,再跑一次 status,你亲眼看这三行:
storage: mounted wifi: connected oss ready: yes
time: valid asr: enabled, getnote: configured
密钥回显为 ******,getnote_cid 是明文 ID
| 写进设备的键 | 值从哪来 |
|---|---|
wifi_ssid / wifi_pass | 你的路由器,2.4 GHz |
oss_ak / oss_sk | RAM 子账号的 AccessKey |
oss_bucket / oss_endpoint | OSS 控制台 |
dashscope_key | 转写服务的 API Key |
getnote_key / getnote_cid | biji.com/openapi |
全部写完、save 之后,按一下录音键,说一句「今天试一下」。通过 Wi-Fi,它自己上传、转写、写进笔记,再删掉卡里的录音。屏幕上一个对勾,就完了。
一个产品值不值得留,往往取决于它坏的时候有多难看。这一节提前交底。
| 现象 | 原因 | 怎么办 |
|---|---|---|
| 屏幕黑着,按了没反应 | 空闲 60 秒熄屏并轻睡 | 第一下只唤醒,亮屏后再按第二下才录。彻底断电按机身电源键。 |
| 传不上去,显示叉 | Wi-Fi 断了或改密码,桶 / 密钥填错 | 文件留在卡里,前台重试 3 次后交后台队列;待机底部 ↑N 是待传条数。网络恢复后自己再传。 |
| 文字里有错字 | 人名、地名、行业词最容易错 | 它是草稿不是定稿。改一下,或者说清楚再录一次。 |
| 极少数句子缺一两个字 | 原型机 5 分钟长录丢音率 0.73%(写盘停顿) | 这是这一版的实际水平,我不把它写成「无损」。换存储路径是下一步的事。 |
| 录着录着断电了 | 每 3 秒提交一次文件长度 | 最多丢 3 秒,剩下的还在卡里,开机后继续传。 |
| 某段录音不见了 | 录满 58 分钟还没传,腾地方时按最旧的清 | 它替你做了主。换来的是永远不会弹「空间不足」。 |
进不了 rec> | 用了只能充电的线 | 换一根数据线。 |
| 要改固件 | 这个录音变体没有 OTA | 插 USB 重刷。它不会被某次后台更新改掉脾气。 |
03 · 一天
关灯之后,一句话冒出来,按一下就说。手机在客厅充电也没关系——这台机器不经过手机。
连上 Wi-Fi 自动上传,转写,写进笔记,删掉录音。屏幕上一个对勾,就完了。
打开笔记,读到的是一段文字,不是一段需要戴耳机去听的音频。要改就改,不改就走。
它不会替你整理、不会给你摘要、不会提醒你「本周记录 3 次,超过 80% 的用户」。它只是把你说的话放到你能读到的地方。
这张卡没有月费,但有成本——成本在你自己的几个账号里。下面是我按官方价目表算的参考数(价格会变,以控制台为准)。
| 项目 | 参考价 | 折到这台机器上 |
|---|---|---|
| 对象存储 | 40 GB 存储包约 9 元/年(标准本地冗余) | 一小时 10.8 MB;每天说 10 分钟,一年约 0.7 GB,传完即删,桶里几乎不囤 |
| 转写(录音文件识别) | 2.50 元/小时;1000 分钟 ≈ 42 元 | 每天 10 分钟 → 一年 60 小时 ≈ 150 元 |
| 转写(百炼语音识别) | 0.288 元/小时;1000 分钟 ≈ 5 元 | 同样用量一年 ≈ 17 元 |
| 得到笔记 | 会员费(这套接口仅对会员开放) | 已经是会员就是 0 |
| 下载流量 | 上传不收,取回音频才收 | 只看文字的话,几乎不产生 |
还有免费额度。 智能语音交互新开通有 3 个月免费试用(上传文件每天 2 小时),另有「每主账号每月 10 小时免费额度」的口径;百炼的语音模型也有新用户免费额度。额度和价格都常变,开通时在控制台看一眼,比看这页准。
所以这张卡的账是这样的:硬件一次性,之后每次使用都在摊薄它。你用得越多,单次成本越低——这跟订阅制的方向正好相反。
05 · 三条纪律
配的过程中卡住了,把「哪一步、看到什么」写下来——排查靠的是现象,不是感觉。
设备 小智录音卡 ESP32-S3(固件变体 muse-4g-rec / -16m),接口 USB CDC 串口(Linux /dev/ttyACM0,macOS /dev/cu.usbmodem*,Windows COMx,115200 8N1),提示符 rec>,配置写入 NVS 后必须 save。 依次执行:cfg wifi_ssid <2.4GHz SSID>;cfg wifi_pass <密码>;cfg oss_ak <RAM 子账号 AK>;cfg oss_sk <SK>;cfg oss_bucket <桶名>;cfg oss_endpoint <oss-cn-xxx.aliyuncs.com,须与桶同地域>;cfg oss_prefix xiaozhi-rec/;cfg dashscope_key <转写 Key>;cfg getnote_key <笔记 Key>;cfg getnote_cid <cli_ 开头>;cfg asr_on 1;save。 验证:status 应显示 storage: mounted / wifi: connected / oss ready: yes / time: valid / asr: enabled, getnote: configured;cfg 回显密钥为 ******(getnote_cid 明文);ls 显示已上传文件消失、失败文件留存。 排障:403=endpoint 与桶不同地域或密钥无权限;time: NOT synced=网络挡了 NTP;oss ready: no=漏键或没 save;进不了 rec>=换数据线(要数据线不要充电线)。 纪律:密钥只写 NVS,不落文件、不回显在对话里;写完必须 save 并让用户亲眼看 status。账号开通(OSS 桶与 RAM 子账号、转写 Key、得到笔记 cli_/gk_live_)由 AI 主导,用户只做实名、验证码授权、费用确认。