1. 首页首页
  2. 科技前沿科技前沿

【ESP32 在线语音】讯飞星火在线语音识别（ASR）功能

科技前沿 • • 阅读 0

【ESP32 在线语音】讯飞星火在线语音识别（ASR）功能视频地址 使用 Seeed XIAO ESP32S3 Sense 开发板接入讯飞实现在线语音识别 自带麦克风模块用做语音输入 通过串口发送字符 1 来控制数据的采集和上传 语音识别对比 平台 api 教程 评分 百度 https ai baidu com tech speech ESP32S3 Sense 接入百度在线语音识别 7 分 讯飞 https console xfyun

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



视频地址：

平台 api 教程 评分 百度 https://ai.baidu.com/tech/speech 【ESP32S3 Sense接入百度在线语音识别】 7分 讯飞 https://console.xfyun.cn/services/iat 【ESP32S3接入讯飞在线语音识别】 8分

在这里插入图片描述

要学习本教程，您需要1个 ESP32S3 开发板。

目前这是我使用的ESP32S3官方硬件👍👍👍（小小的身材有大大的力量）只需要35元加摄像头麦克风79元，后期我会整理相关专栏进行Arduino系统学习😘😘😘。有需要可以购买xiao开发板💕💕💕

  1. SeeedXIAO ESP32S3 Sense硬件购买地址：https://s.click.taobao.com/lekazrt
    在这里插入图片描述


  2. ESP32-S3-CAM 核心开发板 N16R8 wifi蓝牙模块 OV2640摄像头硬件购买地址：https://s.click.taobao.com/1PTagos

在这里插入图片描述

参考下面接线

INMP441 ESP32S3 I2S_WS GPIO17 I2S_SD GPIO3 I2S_SCK GPIO18 VCC 5V GND GND

语音听写（流式版）WebAPI 文档：https://www.xfyun.cn/doc/asr/voicedictation/API.html

语音听写流式接口，用于1分钟内的即时语音转文字技术，支持实时返回识别结果，达到一边上传音频一边获得识别文本的效果。

这里采用Platfromio框架接入，arduino IED也是可以的

在这里插入图片描述

需要自己替换wifi和api参数

以下是该代码的简要功能介绍：

1. 核心功能

这是一个基于ESP32-S3的语音识别系统，主要实现：

  • 通过麦克风录制音频（I2S接口）
  • 连接讯飞开放平台进行语音转文字（STT）
  • 网络时间同步（NTP）
  • WS2812 LED状态指示
  • 串口交互控制

2. 主要模块

  1. 硬件配置：
    • WS2812 LED（GPIO48）
    • I2S麦克风（GPIO17,3,18）
    • WiFi网络连接
  2. 音频处理：
    • 使用I2S接口采集音频数据
    • 支持16kHz采样率、16位深PCM格式
    • 可录制3秒音频（可调）
  3. 语音识别：
    • 通过WebSocket连接讯飞语音识别服务
    • 支持实时分段传输音频数据
    • 采用Base64编码和HMAC-SHA256加密
  4. 网络服务：
    • WiFi连接（2.4GHz）
    • NTP网络时间同步
    • HTTPS/WebSocket通信
  5. 交互控制：
    • 通过串口发送’1’触发录音
    • 实时返回识别结果到串口
    • LED状态指示（当前未实现具体逻辑）

3. 工作流程

  1. 上电后连接WiFi和NTP服务器
  2. 初始化音频采集系统
  3. 等待串口输入’1’触发录音
  4. 录制3秒音频存入PSRAM
  5. 分段发送音频到讯飞云服务
  6. 接收识别结果并拼接成完整文本
  7. 通过串口输出识别结果

4. 典型应用场景

  • 语音控制智能设备
  • 语音备忘录系统
  • 实时语音转文字设备
  • IoT设备的语音交互接口

5. 关键技术点

  • 低延迟音频采集：使用I2S DMA传输
  • 大内存管理：采用PSRAM存储音频数据
  • 安全通信：HMAC-SHA256签名验证
  • 实时协议：WebSocket双向通信
  • 语音分段处理：支持多数据包传输

6. 待完善功能

  • LED状态指示逻辑
  • 错误处理机制
  • 本地音频缓存管理
  • 离线语音识别支持

该代码实现了从硬件音频采集到云端语音识别的完整链路，可作为语音交互类IoT设备的基础框架。

参考以下烧录配置，

串口输入字符“1”文本，没有结束符点击按回车键，然后有3s录音时间。等待百度在线语音识别返回，在上一步的代码中实现了接收数据，这里列一下返回的数据。

在这里插入图片描述

响应速度超级棒2s，数据发送成功则会返回正确的识别数据，当然声音信号不好时返回的语音识别也会不准确。

本文使用ESP32S3开发板接入讯飞实现在线语音识别。自带麦克风模块用做语音输入，通过串口发送字符“1”来控制数据的采集和上传。从而实现对外部世界进行感知，充分认识这个有机与无机的环境，科学地合理地进行创作和发挥效益，然后为人类社会发展贡献一点微薄之力。🤣🤣🤣

  1. 我会持续更新对应专栏博客，非常期待你的三连！！！🎉🎉🎉
  2. 如果鹏鹏有哪里说的不妥，还请大佬多多评论指教！！！👍👍👍
  3. 下面有我的🐧🐧🐧群推广，欢迎志同道合的朋友们加入，期待与你的思维碰撞😘😘😘

参考文献：ESP32直接对话大语言模型人工智能语音助手

小讯
上一篇 2026-04-04 17:22
下一篇 2026-04-04 17:20

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/223162.html