2026年ESP32-S3-CAM：豆包语音识别文字后控制小车（一）——注册豆包火山引擎开发者接口

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。

 这一部分其实主要是我自己走了不少弯路，必须吐槽一下，字节火山引擎这个后台开发者文档和后台管控和阿里真的是没法比，界面管理非常乱，真金白银充了两次以后才慢慢搞明白。

豆包语音最近还搞了个新版本，又得重新学，这几天才把老版本搞明白。

注册火山引擎就不过多描述了，主要是看看选择哪个模型，怎么设置，要用到哪些参数，后面都从哪里去获取，每一个刚开始不清楚的时候，都让人超级崩溃。

1、注册号账号以后，点页面最右上角的控制台，进入控制台页面

2、进入控制台以后，找搜索框，搜豆包语音

这里很崩溃，豆包语音是专门做语音识别各种业务的，管理页面和多模态识别完全不一样，因为我之前做demo试过图像识别，好不容易搞定了多模态识别，以为换语音识别一样的接口方式，结果发现要重新搞一套。

3、创新应用，输入名字，选择对应的模型，怎么选模型取决于你要用这个模型来干什么，

因为我们这个案例只是用来识别语音指令，比如前进后退，所以用不着特别牛逼的模型，另外还要考虑成本问题，我之前也不知道选哪个模型，都是问豆包的，后来我发现，有个一句话识别模型，消耗的token最小，效果也很好，于是就选择了这个，如果是想自己开发录音笔，自动播客这类的智能硬件，就要选择其他大点的模型了。

最后我勾选的是这个，中文一句话识别

4、创建完毕后就可以看到项目列表了，里头有个参数叫 APP ID

官方最近升级了，用api key了，还没有精力去研究，不过应该大同小异。

5、神奇的交互逻辑来了，要现在界面左边的菜单里，点击一句话识别，进入所有关联了语音识别模型的项目管理页面，在这里才能看到刚刚新建的项目，以及需要的token，还有接入文档，我目前只发现有这一个找接入文档的入口方式。

6、点击左边菜单中一句话识别进入项目管理页面后，滑动页面到最上方，有个应用名称，在这里选择刚刚新建的项目，然后点击试用，我刚刚选择的办公-中文，它这里自动带出来了，可以支持应该是普通话中文，粤语和川渝方言，点中文对应的试用按钮，点击开通试用版本，

7、这个时候你就开通了试用版，要注意，是试用。

试用版有 20,000 次的调用额度，只是调试其实完全够用了，我一开始也不知道，点了开通按钮，然后就会在超过试用额度后，用你充的钱，这一步其实不用，我们做验证，只要代码你不要乱写死循环，还是够用的。

注意，这里有个恶心的地方，上面OK点了以后，页面会弹出来再让你选一次项目，我忘记截图了，我到现在都没搞懂又选哪个项目和刚刚输入的项目有什么关系，反正莫名其妙的选了default，继续往下进行。

8、上面页面的三个参数非常非常非常重要，APP ID，Access Token和右上角那个 Cluster ID

这三个参数在调用接口的去识别的时候要用到。要记住在这个页面去查看，只有这个页面能找到。

具体这三个参数怎么用，点下面这个接入文档按钮，因为我们是用api 方式去调用，如果你是自己写APP，那就带点SDK下面那个。

9、打开这个接入文档以后，扫了一眼，这个交互逻辑，简直可以说绝望。。。

作者倒是写得超级详细，但是说实话，看了交互流程我就被劝退了，这个交流流程，我起码看了有个十遍，基本看懂了它的过程，但代码怎么写，还是懵逼，这个页面越往下翻越绝望，那么多参数，那么多变量。。。。

10、关键它这个是Websocket接口，和多模态识别那种 API方式有点不同，不过前面也提了，他们新的交互也增加了API方式，但我已经搞定了Websocket方式了。额。。。

怎么搞定的呢？页面最最最下面，终于看到有 demo代码，Python版 12K，还能看

C++ 代码，142M，我靠，下载的欲望都没有。。。但调试板子得用C++ 啊。

于是下载了Python版，然后丢给了豆包去转换，转成可以在Ardunio IDE里跑的C++代码，

结果还是太天真了，第一，豆包玩代码，从过去经验看，真不行。。。最后是用kimi转的，

能编译通过，但功能不行。预知后事如何，下个帖子继续写。