TinyTTS -神经模块，使照片说话

当我们翻看老照片时，我们的脑海里充满了各种声音——厨房里的笑声，火车站的嗡嗡声，有人说“记得吗？”我们建造这个项目是为了让那些声音回归，而不仅仅是活在记忆中。现在一张图片就能说明一切——简短而温暖的短语，比如你爱的人又在那里了。

它开始于一个家庭故事讲述者：一些童年的照片，几句关于有趣的时刻-按下播放，和框架说话，完全离线。然后就有了“谈论地点”的想法：打开一张旅行快照，听到一个故事的低语——就好像这个城市本身告诉你下一步要去哪里

所有这些都完全在设备上运行——没有云，没有延迟。语音是在框架内的TinyTTS模块上生成的。你是导演：控制节奏、停顿和顺序——或者只是让故事展开。公式很简单：照片+文字→语音。就是这样。剩下的就是情感了。

我们不只是分享一个教程——我们给你一个模板，为你自己的故事：家庭，博物馆，旅游，教育。添加几行，按下播放键，当框架开始说话时，表盘就会亮起来。它第一次说话的时候，真的感觉像变魔术一样。

快速开始-准备演示

准备好立即启动的二进制文件。

你需要

•TinyTTS套件（Elecrow或Tindie） -具有嵌入式神经TTS的MCU模块

•CrowPanel Advanced (Elecrow) （ESP32-S3显示控制器）

•扬声器-连接到TinyTTS音频输出

1.通过USB/Serial连接CrowPanel （ESP32-S3）到您的计算机。将面板的功能选择开关设置为“WM（0,1）”（UART1-OUT模式）。

暂时不要连接tinyTTS模块。

2.刷新固件。

选项A -使用预构建映像：在固件/中，选择Binaries_album /用于相册场景，或者Binaries_travel /用于旅行场景。

使用提供的Flash（参见firmware/flash_tool.md）进行Flash。

选项B -从源代码构建：安装ESP-IDF v5.4，克隆repo，选择components/ui/scenario_build.h中的场景，然后运行：

3.闪烁后：用4针电缆将tinyTTS模块连接到CrowPanel （UART0↔UART1-OUT）。将tinyTTS的音频输出（3.5毫米插孔）连接到扬声器或耳机。

4.运行演示：

屏幕上显示一张照片卡。

按播放-卡文本是由tinyTTS说。

按“→”-下一张牌出现（循环列表）。

它是如何工作的

大多数“会说话”的项目都是从云端传输音频。这一个显示了真正的设备上的TTS -真正的语音，完全产生在一个微控制器上。

CrowPanel处理UI、SD读取、模式切换和UART传输。

TinyTTS通过UART接收线路，生成语音，完成信号。

数据流程：CrowPanel （UART）→TinyTTS→Speaker

•CrowPanel读取图像和文本文件。

•文本通过UART发送到TinyTTS。

•TinyTTS生成语音。

•音频输出从TinyTTS进入扬声器。

•一切都完全脱机运行。

制作你自己的专辑——例子：第三

（根据《添加场景指南》）

1. 创建场景文件夹

在存储库根目录下，添加：

每个场景必须遵循命名约定：小写场景名称= third。

2. 在代码中启用场景

只有一个场景可以设置为1。

3. 增加资产

将.bin图像（RAW格式）放置在inesppiffs_root /assets_third/中。

您可以使用SquareLine Studio或LVGL图像转换器（颜色格式：真彩色（RGB565），输出：二进制）生成它们。

4. 添加文字和视觉效果

文本：创建components/ui/ builtin_texts_thirdc -定义kThirdTexts[]数组与您的文本字符串。

视觉：创建components/ui/third/ visuals_thirdc -将每个文本映射到图像（从img_third_*.c导入）。

例子:

5. 更新CMakeLists.txt

将新块添加到components/ui/CMakeLists.txt中：

6. 构建和Flash

清理、构建和刷新：

期望的日志输出：

接下来是什么

同样的设置可以演变成博物馆指南、教育工具包、会说话的玩具或家庭展示——所有这些都可以完全离线运行。

没有互联网，没有延迟，没有云依赖-只有本地语音和逻辑，你可以适应任何讲故事的场景。

今天就开始创作你的谈话相册的第一章。Flash ready demo，加载5张照片和5条短线，按Play。

剩下的故事——你会在路上发现的。

本文编译自hackster.io