端侧应用一直是大模型的热点之一，尤其是最近人形机器人的火爆，让人们把目光再次放到了“具身智能”上，探索如何将大模型的能力与低功耗的客户端设备结合。对于端侧设备来说，网络连接经常不稳定且带宽有限，基于云服务使用大模型比较困难，同时端侧设备还需要格外重视安全性和隐私问题，因此本地运行是比较合理的选择。
介绍一个在树莓派上运行的大模型语音聊天机器人：push-to-talk交互模式，按下按钮对它说话，它会用大模型生成回答，并用很自然的语音回应，并且全过程都在本地，不需要联网。例如问它: “How do you live?”：
硬件方面，你需要：
4GB内存的树莓派4（3应该也可以，如果内存够的话）
麦克风（树莓派自己没有麦克风，可以接个USB的）
喇叭，可以用USB的，这里用的是自带喇叭的HDMI显示屏，所以就走HDMI输出了
按钮，普通的2-wire按钮即可，一条线button，一条线ground，这里用的是从Google AIY VoiceKit上拆下来的按钮，把BTN线(Pin 3)接到树莓派的GPIO 8，GND线(Pin 1)接到GPIO 6。
按钮连线参见：
https://aiyprojects.withgoogle.com/voice/#makers-guide--button-connector-pinout
接好后大概是这样子：
主要软件组件包括三部分：
语音识别，Active Speech Recognition (ASR)，将用户的语音识别为文字请求，这里用的是whisper.cpp（OpenAI Whisper的C++实现）
大语言模型LLM，根据用户的请求，生成回答文本，这里用的是TinyLlama 1.1B（用llamafile包装成ARM64可执行文件）
语音合成，Text-To-Speech (TTS)，将LLM的回答合成为语音，这里用的是piper
树莓派上跑的OS，是Ubuntu server for Raspberry Pi，可以从这里直接下载预装好的映像：
https://cdimage.ubuntu.com/releases/jammy/release/
用户按下按钮，改变GPIO8状态，树莓派打开麦克风开始录制用户的语音，直到用户松开按钮（临时录音文件保存在本地）。随后whisper.cpp将语音转成文字，作为提示输入给TinyLlama，TinyLlama的回答，再通过piper转成语音播放。
树莓派4跑TinyLlama 1.1B，虽然内存够，但速度还是有点慢，大概每秒生成4-5个token。因此如果回答比较长的话，用户需要等很久才会有回应，这个体验还是比较差的。为改善体验，采用的方法：1）在系统prompt里告诉LLM限制回答字数；2）采用流式输出，每生成一个完整句子就调用piper合成语音，减少用户等待时间。
