硬件准备：因为一开始只是想DIY智能硬件，但我之前是搞软件的，不太懂，就直接网购了一套小智AI各种硬件，回来才一个个查有啥用的。
1、认识下MAX98357A和喇叭
我也是才知道，原来放出声音还要加个功放。。。下面是MAX98357A
模块引脚说明（从左到右）
| 引脚 | 名称 | 功能 | 接 ESP32-S3 |
|---|---|---|---|
| LRC | Left/Right Clock | 左右声道时钟（帧时钟 WS） | GPIO41 |
| BCLK | Bit Clock | 位时钟 | GPIO40 |
| DIN | Data In | 音频数据输入 | GPIO39 |
| GAIN | Gain Setting | 增益设置 | GND 接地 |
| SD | Shutdown | 关断控制 | 3.3V 正极 |
| GND | Ground | 地 | GND 接地 |
| Vin | Voltage Input | 电源输入（2.5V-5.5V） | 3.3V 正极 |
接地至关重要，不接的话会有杂音。
还有一个喇叭硬件，按照下面的图 红色接正，黑色接负即可，要注意MAX98357A右图中绿色位置左右是有正负的。
2、硬件接线
刚开始根本不懂引脚，面包板之类的，跟着卖家给的图，一通插，确保插对，后来才慢慢领悟。
最终我自己接出来的如下，其他的屏幕和mic这次没用到，先不接。
这里也一样，要认真阅读卖家给的第一张图里的端口号，后面代码里要用。
搞硬件还有一个问题，图中连接喇叭和功放的线要注意；喇叭上红色线我接了白色的线，然后接 正极，就是绿色那个位置的左边，这个我遇到一个坑货问题，线当时插不进去绿色那个小东西里头，那玩意要搞个小螺丝刀松一松，手头一开始啥工具没有，又下单了一套螺丝刀工具，哎。
这里要注意基本信息：
硬件配置： ESP32-S3 + MAX98357（紫色那个小东西） 多音频状态播放（48kHz 立体声版）
音频文件的基础信息：5个音频采样率都是 48kHz, 16bit, 立体声，这个参数至关重要，写错或者不知道的话，后面你播放的声音要么是杂音，要么能听出来内容但声调跟牛叫一样。
功放的接线：DIN→39, BCLK→40, LRC→41
关于音频文件，我是自己通过手机录音机录制的几个1秒左右的音频文件，测试的时候是转成数组做的测试，代码是用AI生成的：
cpp
/*
* ESP32-S3 + MAX98357 多音频状态播放（48kHz 立体声版）
* 5个音频都是 48kHz, 16bit, 立体声
* 接线：DIN→39, BCLK→40, LRC→41
*/
#include <driver/i2s.h>
#define I2S_DIN 39
#define I2S_BCLK 40
#define I2S_LRC 41
#define VOLUME 70
// 固定参数（所有音频相同） 采样率和声道数，这个用工具去查看即可，但必须要设置对
#define SAMPLE_RATE 48000 //采样率
#define CHANNELS 2 //声道数
// ========== 5个音频数组（48kHz 立体声）==========
const unsigned char audio1[] = { /* 状态1音频 */ };
const unsigned char audio2[] = { /* 状态2音频 */ };
const unsigned char audio3[] = { /* 状态3音频 */ };
const unsigned char audio4[] = { /* 状态4音频 */ };
const unsigned char audio5[] = { /* 状态5音频 */ };
// 音频表
const unsigned char* audioTable[] = {audio1, audio2, audio3, audio4, audio5};
const size_t audioSizes[] = {sizeof(audio1), sizeof(audio2), sizeof(audio3),
sizeof(audio4), sizeof(audio5)};
void setup() {
Serial.begin(115200);
delay(1000);
Serial.println("多音频播放系统（48kHz 立体声）");
Serial.println("发送 1-5 播放对应音频");
// 只初始化一次 I2S（所有音频参数相同）
initI2S();
}
void loop() {
if (Serial.available()) {
char cmd = Serial.read();
int state = cmd - '0';
if (state >= 1 && state <= 5) {
Serial.printf("\n=== 状态 %d ===\n", state);
playAudio(state);
}
}
delay(100);
}
// 初始化 I2S（只执行一次）
void initI2S() {
i2s_config_t cfg = {
.mode = (i2s_mode_t)(I2S_MODE_MASTER | I2S_MODE_TX),
.sample_rate = SAMPLE_RATE,
.bits_per_sample = I2S_BITS_PER_SAMPLE_16BIT,
.channel_format = I2S_CHANNEL_FMT_RIGHT_LEFT, // 立体声
.communication_format = I2S_COMM_FORMAT_I2S,
.intr_alloc_flags = ESP_INTR_FLAG_LEVEL1,
.dma_buf_count = 8, // 增加缓冲区适应高采样率
.dma_buf_len = 1024, // 增大缓冲区
.use_apll = true, // 高精度时钟支持 48kHz
.tx_desc_auto_clear = true,
.fixed_mclk = SAMPLE_RATE * 256 // 固定 MCLK
};
i2s_driver_install(I2S_NUM_0, &cfg, 0, NULL);
i2s_pin_config_t pins = {
.bck_io_num = I2S_BCLK,
.ws_io_num = I2S_LRC,
.data_out_num = I2S_DIN,
.data_in_num = I2S_PIN_NO_CHANGE
};
i2s_set_pin(I2S_NUM_0, &pins);
Serial.printf("I2S就绪: %d Hz, %d声道\n", SAMPLE_RATE, CHANNELS);
}
// 播放指定状态音频
void playAudio(int state) {
const unsigned char* wavData = audioTable[state - 1];
size_t wavSize = audioSizes[state - 1];
// 解析 data 位置
uint32_t dataOffset = 44;
uint32_t dataSize = wavSize - 44;
for (size_t i = 36; i < wavSize - 8; i++) {
if (wavData[i] == 'd' && wavData[i+1] == 'a' &&
wavData[i+2] == 't' && wavData[i+3] == 'a') {
dataOffset = i + 8;
dataSize = (wavData[i+4] | (wavData[i+5] << 8) |
(wavData[i+6] << 16) | (wavData[i+7] << 24));
break;
}
}
if (dataSize > wavSize - dataOffset) {
dataSize = wavSize - dataOffset;
}
Serial.printf("播放: %d bytes\n", dataSize);
// 播放（立体声数据直接透传）
const uint8_t* data = wavData + dataOffset;
uint32_t bytesLeft = dataSize;
// 大缓冲区减少中断
static int16_t buffer[1024];
while (bytesLeft > 0) {
uint32_t chunk = (bytesLeft < 2048) ? bytesLeft : 2048;
uint32_t samples = chunk / 2; // 16bit = 2 bytes
// 应用音量
for (uint32_t i = 0; i < samples && i < 1024; i++) {
uint32_t idx = i * 2;
int16_t sample = data[idx] | (data[idx + 1] << 8);
buffer[i] = (sample * VOLUME) / 100;
}
size_t written = 0;
i2s_write(I2S_NUM_0, buffer, samples * 2, &written, portMAX_DELAY);
data += chunk;
bytesLeft -= chunk;
}
// 静音收尾
i2s_zero_dma_buffer(I2S_NUM_0);
Serial.println("完成");
}代码里可以看到，这五个变量就是用来存放音频数据的。
cpp
// ========== 5个音频数组（48kHz 立体声）==========
const unsigned char audio1[] = { /* 状态1音频 */ };
const unsigned char audio2[] = { /* 状态2音频 */ };
const unsigned char audio3[] = { /* 状态3音频 */ };
const unsigned char audio4[] = { /* 状态4音频 */ };
const unsigned char audio5[] = { /* 状态5音频 */ };这个数据怎么来的呢？
1、先用手机录音机录制1个wav格式的音频，文件越小越好。
2、将wav文件转换为数组，用我这个转换工具，下载后网页打开即可使用，这个工具也是AI帮我做的，简直太方便了，就是页面顶部的《wav与CArray互转工具》。
选择第二个tab，选择要转的wav文件，点击转换C数组，还要再强调下，要记住你的音频文件的采样率，声道，位深，后面播放音频的代码是要用到的。
// 固定参数（所有音频相同） 采样率和声道数，这个用工具去查看即可，但必须要设置对
#define SAMPLE_RATE 48000 //采样率
#define CHANNELS 2 //声道数
设置要播放的采样率，声道数以后，点复制到剪贴板 按钮，然后把数组文件替换掉代码里第一个数组，编译上传代码即可。因为数组很大，我就不贴全代码了，贴了替换第一个数组的截图，然后就可以在上传代码跑一跑了。
代码跑起来后，在输入框里输入1到5，就可以播放音频了，因为数组很大，放一个实验一下能正常播放就行了，要不然编译巨慢无比，我录制了一个结果视频，在文章最开始，资源名称：播放你好
