小智AI（开源 ESP32-S3 AI 语音助手）默认唤醒词是「你好小智」。想换成自己的词，很多人第一反应是去乐鑫云训练模型、或者找官方支持——其实仓库里就有一条 MultiNet 路线，本地改一个 JSON 就能落地。这篇文章用一块 ESP32-S3-DevKitC-1 把「小麦小麦」完整跑通：新增配置文件、构建、烧录、验证、代价实测、4 条避坑，全程不碰上游源码。适合想把小智AI唤醒词改成自己品牌词/家庭昵称的玩家，和做 AI 语音相关毕设的嵌入式开发者。
一、为什么默认唤醒词不好换：先搞清楚 WakeNet 和 MultiNet
小智AI 出厂默认用「你好小智」唤醒，背后是乐鑫的WakeNet预训练模型（wn9_nihaoxiaozhi_tts）。WakeNet 是"固定词表"路线——官方训了哪些词，你只能用哪些词，想换词就得走乐鑫的训练链路，对普通玩家来说门槛很高。
而仓库里其实还挂了一条MultiNet路线：这是一个本地可用的多命令识别模型（中文 MultiNet7 量化版mn7_cn），支持自定义唤醒词/命令词，不用上云训练，模型已经打进构建产物里，本地配置就能启用。
两条路线的本质区别：
| 维度 | WakeNet（默认） | MultiNet（自定义路线） |
|---|---|---|
| 词表 | 固定（官方预训练） | 自定义（可配任意中文词） |
| 训练 | 需要乐鑫云/官方链路 | 不需要，本地配置即可 |
| 换词方式 | 改词表重训 | 改 JSON 配置 |
| 生效模型 | wn9_nihaoxiaozhi_tts | mn7_cn（MultiNet7 量化版） |
二、准备工作：环境清单（和上次 MCP 实战完全一致）
本文实测硬件与软件版本如下，和 05/06 系列文章同一套环境：
| 项 | 型号/版本 |
|---|---|
| 开发板 | ESP32-S3-DevKitC-1 N16R8（16MB Flash + 8MB Octal PSRAM） |
| 屏幕 | SSD1306 128x32 OLED |
| 麦克风 | INMP441 单麦（NoAudioCodecSimplex） |
| SDK | ESP-IDF v6.1 |
| 固件工程 | xiaozhi-esp32 v2.5.1，commit0d576d3 |
| 板型变体 | bread-compact-wifi |
唯一要新增的东西：一个配置文件。全程git status只有 1 个 untracked 文件，上游文件零修改。
三、实操：新增一个 JSON，把唤醒词改成「小麦小麦」
第 1 步：新建配置文件
在板型目录下新建main/boards/bread-compact-wifi/config.custom-wake.json，内容只有 5 行配置追加：
{"sdkconfig_append":["CONFIG_USE_CUSTOM_WAKE_WORD=y","CONFIG_SR_MN_CN_MULTINET7_QUANT=y","CONFIG_CUSTOM_WAKE_WORD=\"xiao mai xiao mai\"","CONFIG_CUSTOM_WAKE_WORD_DISPLAY=\"小麦小麦\"","CONFIG_CUSTOM_WAKE_WORD_THRESHOLD=20"]}四行配置各管什么：
| 配置项 | 作用 | 取值说明 |
|---|---|---|
CONFIG_USE_CUSTOM_WAKE_WORD | 启用自定义唤醒词 | y |
CONFIG_SR_MN_CN_MULTINET7_QUANT | 启用中文 MultiNet7 量化模型 | y |
CONFIG_CUSTOM_WAKE_WORD | 唤醒词拼音 | "xiao mai xiao mai"（空格分隔） |
CONFIG_CUSTOM_WAKE_WORD_DISPLAY | 屏幕显示的中文串 | "小麦小麦" |
CONFIG_CUSTOM_WAKE_WORD_THRESHOLD | 唤醒门限 | 20（设备端是 0.2，见避坑 4） |
第 2 步：构建
python scripts/build.py bread-compact-wifi-cconfig.custom-wake.json构建产物里能看到 MultiNet 模型被打进 assets 分区（MODEL_LOADER: Successfully load srmodels），不需要单独刷srmodels.bin。
第 3 步：烧录
python-mesptool--chipesp32s3-pCOM15-b460800--beforedefault-reset--afterhard-reset write-flash @build/flash_args烧录后串口抓日志（cap_boot.py COM15 45），看三段关键证据。
四、验证：怎么确认设备真的在用「小麦小麦」唤醒
日志是唯一的真相来源，下面每条都对应真实日志行号：
| # | 日志关键行 | 证明了什么 |
|---|---|---|
| 1 | AfeAudioEngine: Model 0: fst / Model 1: mn7_cn | 生效模型确实是 MultiNet7 量化版 |
| 2 | CustomWakeWord: Command: xiao mai xiao mai, Text: 小麦小麦, Action: wake | 中文显示串在设备端解析正确，动作注册为wake（等价原唤醒词） |
| 3 | set det threshold to 0.200000/1 active speech commands | 门限生效（20÷100=0.2），命令表只有 1 条 |
| 4 | Custom wake word detected: prob=0.270145→Wake word detected: 小麦小麦 | 喊「小麦小麦」命中并进入唤醒流程 |
| 5 | >> 小麦小麦→<< 哎，我在呢！/<< 有什么事吗？ | 对话闭环成立，服务端 ASR 听写一致，唤醒音频包正常上行 |
一个值得注意的细节：实测命中概率prob=0.27，距门限 0.2 只有0.07 的余量——说明自定义词的灵敏度余量不大，口音、距离、环境噪声都会影响，这正是下一阶段要量化测试的点。
另外日志里wakenet model not found是警告不是错误——它表示 WakeNet 已经下线，配套现象是「你好小智」不再响应（本次实测为附带确认项，专项复测排期跟进）。
五、代价实测：换唤醒词到底多占资源
这部分是本文最值钱的地方。官方文档只说"自定义词很占资源"，到底占多少？实测如下（基线 = 「你好小智」WakeNet9）：
| 指标 | 你好小智（基线） | 小麦小麦（MultiNet7） | 差异 |
|---|---|---|---|
generated_assets.bin | 561,011 B | 2,951,622 B | +2.39 MB（5.3×） |
| assets 分区占用 | 8MB 分区，占用极低 | map 2944 KB / 8192 KB | 仍有余量，但 4MB Flash 板不可行 |
xiaozhi.bin | 2,577,152 B | 2,577,232 B | +80 B，可忽略 |
minimal sram（内部 RAM 最低水位） | 50,268 B | 33,468 B | −16,800 B（−33%） |
free sram稳态 | 155,647 B | 154,567 B | −1,080 B |
两个关键结论：
- Flash 是主要代价：模型包体积涨了 5.3 倍（+2.39 MB）。16MB Flash 板没问题，4MB Flash 的板子基本不可行，选板型前先看 Flash 容量。
- 内部 RAM 裕度是硬约束：
minimal sram从 50KB 掉到 33KB（−33%）。后续再叠加功能（更多 MCP 工具、更长命令表、屏幕/视觉），这条必须重新评估——这是比官方含糊说明具体得多的实测数据。
六、4 条避坑（都是这次踩过的真实坑）
- 首开机 assert，别慌：烧录后第一次开机可能看到
assert failed: esp_netif_create_default_wifi_sta ... duplicate key然后自动重启。这是"先起配网 AP、立刻切 station"的竞态路径问题，与唤醒词改动无关——同一固件第二遍开机直接连上 WiFi 跑完全流程。判断方法：看第二次开机是否正常。 - Git Bash 里跑环境脚本会失败：继承的
MSYSTEM变量会让 ESP-IDF 检查报MSys/Mingw is not supported。解法：进 PowerShell 后先Remove-Item Env:MSYSTEM,Env:MINGW_PREFIX,Env:MSYSCON，再前置idf6.1_py3.13_env\Scripts到 PATH。 - 构建失败会被管道吞掉：
... | tail -60会把退出码变成 0，看着成功其实没成。改成日志重定向 + 末尾Write-Host "BUILD_EXIT=$LASTEXITCODE"。 - 门限单位是"除以 100"：
CONFIG_CUSTOM_WAKE_WORD_THRESHOLD=20会被构建脚本除以 100 → 设备端实际是 0.2（日志set det threshold to 0.200000）。数值越小越灵敏，调灵敏度前先想清楚这个换算。
七、写在最后
这条 MultiNet 路线的价值在于：自定义唤醒词不需要上乐鑫云训练，本地一个 JSON 就能落地。代价也清楚：Flash 涨 5.3×、内部 RAM 裕度 −33%，选板型时先看 Flash 容量，后续加功能先看内存水位。
下一步我准备做三件事：冷启动连续 10 次唤醒成功率统计、说话/放音乐时打断测试、以及门限 8/20 两档的"灵敏 vs 误触"对比量化——做完会继续更新。
你改唤醒词是想用品牌词、家人昵称，还是纯好奇？你踩过哪个坑？评论区聊聊。
系列回顾：05 环境搭建与烧录实操（ESP-IDF v6.1）｜06 小智AI二次开发（MCP控制GPIO）｜07 蓝牙音箱底噪破音排查｜08 从CC2530到Zephyr（两个时代的蓝牙开发工作流）
