本文总结了作者开发语音终端的过程，旨在将智能音响的语音输入转发给大模型deepseek。作者使用ESP32-S3开发板，设计了服务端程序，并应用了VAD、ASR和嵌入向量模型等技术，实现了语音识别和文本转语音功能。尽管面临延迟和模型限制，作者仍在探索大模型的应用。