结合嵌入式系统和人工智能推理来创建一个端到端的会话助手

ESP32语音助手

步骤1：连接电路一旦你有了所有的部件，开始连接。参考以下原理图：

记住：

•INMP441严格要求3v3 ONLY

•DAC输出(GPIO 25)→LM386→扬声器

•TP4056通过5V输出给ESP32供电

工作流程:

理解整个工作流程是很重要的：按钮按-> ESP32开始录制通过INMP441麦克风。I2S音频捕获，16千赫的样本在websocket实时流。AI处理(服务器)

•Whisper转换音频→文本

•Gemini 2.5 Flash生成上下文回复

•Piper转换文本→自然语音

响应回放，服务器将8位PCM块流回ESP32用于DAC输出。用户听到AI语音，LM386放大器驱动扬声器。

步骤2:Flash代码到ESP32

首先确保安装了WebSocketsClient库。对于Arduino IDE，您可以简单地下载zip文件并将库安装到IDE。

1. ESP32草图

2. 秘密文件

你还需要一个secrets.h文件：

步骤3:AI后端设置(Python)

为此，我建议托管一个分配了静态ip的AWS EC2实例。或者，您可以在笔记本电脑上运行本地服务器，并通过热点连接ESP32。把这个后端看作是系统的大脑，因为所有的处理都发生在这里。在/server目录下查找源代码。下面是如何设置它：

1)安装所有依赖项：

或者使用Docker：

2)需要的环境变量和模型

•GEMINI_API_KEY

•你还需要一个风笛手的声音模型。使用以下命令下载它：

你也可以选择其他型号，在这里找到它们。

就这些!你的语音助手现在应该回应你的查询，一旦你按下按钮!

本文编译自hackster.io