下面是一套偏 工程落地 / 技术评审 / 客户方案书 风格的"四博 AI 智能音箱 S3 + 4G + 蓝牙上网 + 双屏异显方案"。方案重点围绕李博士讲解的几个核心卖点展开：超过 5 米远场拾音、唤醒词打断、实时打断、高噪环境稳定响应、可改唤醒词、蓝牙 / Wi‑Fi / 4G 多方式上网、单屏 / 双屏 / 异显、基于 ESP32‑S3 便于二次开发和接入客户系统。
本方案结合了你提供的《2026 年四博智联模组选型手册-乐鑫系》《深圳四博智联 AI 硬件选型表 2026》和《四博智联 AI 开发宝典》。其中，模组选型手册把 ESP32‑S3 系列定位为 Wi‑Fi + BLE、音视频 / AI 市场方向；AI 硬件选型表中也给出了 ESP32‑S3 + VB6824、ESP32‑S3 + 7014 + 4G 等高端 AI 方案；开发宝典则覆盖了 DOIT_AI、AI‑S3、双目双屏、4G / Wi‑Fi 切换、BluFi 配网、AT+MCP、实时打断固件和 VB6824 自定义唤醒词等关键开发路径。
四博 AI 智能音箱 S3 三网上网双屏异显技术方案
1. 方案定位
本方案定义为一款 高端可二次开发 AI 智能音箱主板 / 成品方案，面向以下应用：
1. 家用 AI 智能音箱
2. 厨房高噪环境语音助手
3. 车载 / 户外 4G AI 音箱
4. 展厅导览 / 酒店客房 / 商业中控
5. AI 桌面陪伴音箱
6. AI 双屏眼睛音箱 / 双目情绪音箱
7. 客户自有系统接入终端推荐核心配置：
主控：ESP32-S3R8 / ESPS3-32-N16R8
存储：8MB PSRAM + 16MB Flash
语音前端：VB6824
联网：Wi-Fi + BLE / 蓝牙 PAN / 4G
蓝牙：7014 蓝牙 PAN / 蓝牙音频协处理器，可选
显示：1 个 LCD / 2 个 LCD / 双屏异显
音频：麦克风 + AEC 回采 + I2S 功放 + 喇叭
系统：ESP-IDF + DOIT_AI + 小智协议 / 私有后端
扩展：AT+MCP / WebSocket / MQTT / HTTP / UART / GPIOESP32‑S3 适合做 AI 音箱主控，是因为其具备双核 240MHz、较丰富 GPIO、Wi‑Fi + BLE、LCD 接口和较好的开发生态。四博模组选型手册中，ESPS3‑32 / ESPS3‑32E 属于 ESP32‑S3 系列，面向音视频 / AI 市场，并兼容 ESP32‑S3‑WROOM 系列模组。
2. 整机技术架构
┌─────────────────────────────────────────────────────────────┐
│ 四博 AI 智能音箱 S3 4G 版本 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────────────┐ UART / I2C / GPIO │
│ │ VB6824 语音前端 │◄─────────────────────────────┐ │
│ │ - 远场拾音 │ │ │
│ │ - 离线唤醒 │ │ │
│ │ - AEC 回声消除 │ │ │
│ │ - 高噪降噪 │ │ │
│ │ - 唤醒词打断 │ │ │
│ │ - 实时打断 │ │ │
│ │ - 自定义唤醒词 │ │ │
│ └─────────┬────────────┘ │ │
│ │ │ │
│ MIC / 回采音频 │ │
│ ▼ │
│ ┌────────────────────────────────────────────────────────┐ │
│ │ ESP32-S3R8 + 16M Flash + 8M PSRAM │ │
│ │ - FreeRTOS 多任务调度 │ │
│ │ - Wi-Fi STA / SoftAP / BluFi │ │
│ │ - 4G PPP / ECM / RNDIS 管理 │ │
│ │ - 7014 蓝牙 PAN / 蓝牙音箱协同 │ │
│ │ - WebSocket AI 对话 │ │
│ │ - OTA / NVS / 设备激活 │ │
│ │ - 单屏 / 双屏 / 异显 UI │ │
│ │ - MCP 工具调用 / 客户系统接入 │ │
│ └───────────────┬───────────────┬──────────────────────┘ │
│ │ │ │
│ ┌──────────▼───────┐ ┌─────▼─────────┐ │
│ │ 4G 通信模组 │ │ 7014 蓝牙模组 │ │
│ │ UART PPP / USB │ │ PAN / A2DP │ │
│ └──────────┬───────┘ └─────┬─────────┘ │
│ │ │ │
│ SIM / 4G 天线 蓝牙天线 │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────┐ │
│ │ LCD Screen A │ │ LCD Screen B │ │ I2S AMP + Speaker │ │
│ │ 主屏 / 左眼 │ │ 副屏 / 右眼 │ │ TTS / 音乐 / 提示音 │ │
│ └──────────────┘ └──────────────┘ └──────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
云端 / 私有化后端：
┌─────────────────────────────────────────────────────────────┐
│ OTA │ WebSocket Gateway │ ASR │ LLM │ TTS │ MCP │ 客户业务系统 │
└─────────────────────────────────────────────────────────────┘四博 AI 选型资料中明确提到，ESP32‑C2 / C3 / S3 加 VB6824 的语音方案适合对接各家自己的平台，VB6824 负责音频编解码、AEC、语音唤醒、改唤醒词等功能，让主控芯片专注通信及 UI；这正适合本方案中"客户系统接入 + 屏幕 UI + 多网上网"的产品定位。
3. 核心能力拆解
3.1 远距离拾音与高噪环境响应
本方案的远场语音链路建议如下：
用户语音
↓
麦克风 / 双麦阵列
↓
VB6824 远场拾音 + 降噪 + AEC
↓
唤醒词识别 / 打断检测
↓
ESP32-S3 停止本地播放并切入 Listening
↓
Wi-Fi / 4G / 蓝牙 PAN 上传音频
↓
ASR + LLM + TTS
↓
本地喇叭播放VB6824 在开发宝典中被描述为 AI 离线语音识别芯片，具备更远距离唤醒、更低误唤醒率、更强抗噪音能力、更快响应识别时间和免联网离线识别能力，因此它适合承担"超过 5 米也能打断和对话""空气炸锅等高噪环境也能响应"的语音前端职责。
工程设计建议：
1. 麦克风与喇叭出音孔保持物理隔离。
2. 麦克风孔避免直接朝向风道、油烟机、空气炸锅出风口。
3. 功放喇叭必须给 VB6824 或主控保留 AEC 回采链路。
4. 4G 天线、Wi-Fi 天线远离麦克风走线和前级放大电路。
5. MIC 供电增加 LC 滤波，功放和 4G 电源分区。
6. TTS 播报时不要关闭回采，否则实时打断能力会下降。
7. 蓝牙音乐播放时启用 ducking，唤醒瞬间降低背景音乐音量。3.2 唤醒词打断、实时打断与改唤醒词
本方案支持三类打断：
1. 唤醒词打断：
AI 正在说话时，用户再次说唤醒词，设备立即中断 TTS 并进入聆听。
2. 实时打断：
AI 播放过程中，前端通过 AEC 区分喇叭声音和用户声音，触发 barge-in。
3. 按键打断：
用户单击或长按物理按键，强制停止播放并进入录音 / 聆听。开发宝典中"编译实时打断固件"说明了 USE_DEVICE_AEC 与 USE_SERVER_AEC 的配置思路，其中服务端不支持 AEC 时应选择设备端 AEC；VB6824 自定义唤醒词章节也说明，升级语音芯片固件后可以支持选定唤醒词，并且在 AI 说话过程中随时打断。
建议状态机：
IDLE
↓ 唤醒词 / 按键
LISTENING
↓ 语音结束
THINKING
↓ TTS 首包
SPEAKING
├── 唤醒词打断 → STOP_TTS → LISTENING
├── 实时打断 → STOP_TTS → LISTENING
├── 按键打断 → STOP_TTS → LISTENING
└── 播放结束 → IDLE3.3 蓝牙、Wi‑Fi、4G 三种上网方式
本方案定义三种联网方式：
| 上网方式 | 实现路径 | 典型用途 |
|---|---|---|
| Wi‑Fi 上网 | ESP32‑S3 STA / SoftAP / BluFi | 家庭、办公室、展厅、OTA |
| 4G 上网 | 外接 4G 模组，UART PPP 或 USB ECM/RNDIS | 户外、移动、商用、无 Wi‑Fi 场景 |
| 蓝牙上网 | 7014 蓝牙 PAN，通过手机共享网络 | 手机伴侣、临时网络、低成本户外场景 |
四博 AI 选型资料中，7014 蓝牙 PAN AI 手机伴侣方案的特点是成本低、可脱离 APP、可通过手机网络通信以解决户外网络问题；同时也有 ESP32‑S3 + 7014 + 摄像头 + 4G 的高端方案，可多模态、可玩游戏、可当蓝牙音箱。
联网优先级建议：
1. Wi‑Fi 优先：
成本低、带宽稳定、适合 OTA 和长时间在线。
2. 4G 备份：
Wi‑Fi 失败、移动场景或客户要求独立联网时启用。
3. 蓝牙 PAN 兜底：
无 SIM、无 Wi‑Fi 或临时户外场景，通过手机网络接入。开发宝典中 AI‑C5 部分给出了 Wi‑Fi 模式和 4G 模式切换方式：4G 模式下重新开机，在等待网络时双击 boot 键可切换到 Wi‑Fi 配网；Wi‑Fi 配网模式下双击 boot 键可切换到 4G 模式并自动连接。这个交互逻辑可迁移到 S3 4G 音箱版本。
3.4 一个屏幕、两个屏幕与异显
显示方案分三档：
基础版：1 个屏幕
- 显示时间、天气、联网状态、对话状态、音量、电量。
双屏版：2 个屏幕镜像显示
- 两块屏显示同样的 AI 表情或状态动画。
双屏异显版：2 个屏幕显示不同内容
- 左屏：AI 表情、眼睛动画、角色状态。
- 右屏：文字、歌词、天气、客户业务数据、设备状态。开发宝典中 AI‑S3 双目方案包含两块屏幕、一块主板、麦克风、喇叭等器件，并说明主板可采用 2.4G Wi‑Fi 上网，同时也支持 4G 模组连接网络；多模态章节还介绍了基于 ESP32‑S3、两块 1.28 英寸双目屏与摄像头融合交互的开发板，硬件与软件全开源，可用于二次开发或量产制造。
异显推荐实现方式：
方案 A：同 SPI 总线 + 双 CS
LCD_A_CS = GPIO10
LCD_B_CS = GPIO11
优点：省 IO
缺点：两个屏刷新互斥
方案 B：双 SPI 总线
LCD_A 使用 SPI2
LCD_B 使用 SPI3
优点：刷新效率高
缺点：占 IO 较多
方案 C：一个 SPI 屏 + 一个 RGB / I8080 屏
适合主屏较大、副屏较小的高端版本4. 推荐硬件方案
4.1 主控与模组
主控芯片：ESP32-S3R8
模组型号：ESPS3-32-N16R8 / ESPS3-32E-N16R8
CPU：Xtensa 双核 240MHz
Flash：16MB
PSRAM：8MB
无线：2.4GHz Wi‑Fi + BLE
显示：SPI / RGB / I8080 LCD 扩展ESPS3‑32 有 N4、N8、N8R2、N16R2、N16R8 等子型号，芯片覆盖 ESP32‑S3、S3R2、S3R8，18 × 25.5mm 通用模组，兼容 ESP32‑S3‑WROOM‑1 系列；ESPS3‑32E 为 18 × 19.2mm，兼容 ESP32‑S3‑WROOM‑1U 系列。
4.2 语音前端
语音芯片：VB6824
功能：
- 离线唤醒
- 远场拾音
- AEC
- 降噪
- 唤醒词打断
- 实时打断
- 自定义唤醒词
- 语音到 UART / MCP 控制4.3 4G 模组
推荐：Cat.1 / Cat.4 模组
接口：
- UART PPP：稳定、接线简单
- USB ECM/RNDIS：带宽高，软件复杂度更高
必要控制脚：
- PWRKEY
- RESET
- STATUS
- UART_TX/RX 或 USB D+/D-
- SIM_DET，可选4.4 蓝牙 PAN / 蓝牙音箱
基础蓝牙：
ESP32-S3 BLE，用于 BluFi 配网。
蓝牙上网：
7014 蓝牙 PAN，通过手机网络接入互联网。
蓝牙音箱：
7014 / 独立蓝牙音频芯片，通过 I2S 或模拟音频接入功放。4.5 屏幕
单屏版：
1.28 / 1.54 / 2.0 寸 LCD
双屏版：
0.71 / 1.28 寸 LCD × 2
高端版：
2.0 / 4.75 寸主屏 + 小副屏AI 硬件选型表中，AI‑S3 成品板使用 ESP32‑S3R8，支持麦克风、喇叭、电池、1.54 寸屏幕，可选小智、豆包、ChatGPT 等主流大模型，并面向高端 AI 市场、AI 数字相框、高端 AI 玩偶和 AI 智能音响。
5. 软件系统架构
建议使用 ESP‑IDF + DOIT_AI 工程，软件拆分如下：
main/
app_main.c
components/
board/
board_sibo_s3_4g_speaker.c
board_config.h
audio/
audio_focus.c
tts_player.c
barge_in.c
vb6824_frontend.c
network/
wifi_manager.c
lte_modem.c
bt_pan_manager.c
network_policy.c
display/
display_manager.c
display_single.c
display_dual.c
display_heterogeneous.c
ai/
websocket_client.c
ai_session.c
mcp_uart_bridge.c
customer_bridge.c
ota/
ota_manager.c
factory/
factory_test.cFreeRTOS 任务建议：
| 任务 | 优先级 | 职责 |
|---|---|---|
audio_frontend_task |
高 | VB6824 唤醒、打断、状态事件 |
ai_session_task |
高 | WebSocket 对话、ASR/LLM/TTS 状态 |
network_policy_task |
中高 | Wi‑Fi / 4G / 蓝牙 PAN 自动切换 |
mcp_uart_task |
中高 | AT+MCP 注册、语义控制帧解析 |
display_task |
中 | 单屏 / 双屏 / 异显刷新 |
key_task |
中 | 单击、双击、三击、长按 |
ota_task |
低 | 固件 OTA、资源 OTA |
factory_task |
低 | 产测、老化、SN 写入 |
6. 编译与开发环境
开发宝典说明，小智 AI 硬件设备开源代码可在 VSCode 中安装 ESP‑IDF 扩展和编译工具进行编译烧录；AI‑S3 标准开发板、双目、多模态和 AI‑C5 都在开发宝典中给出了源码、硬件资料和编译路径。
推荐基础流程：
git clone https://github.com/SmartArduino/DOIT_AI.git
cd DOIT_AI
idf.py set-target esp32s3
idf.py menuconfig
idf.py build
idf.py -p /dev/ttyUSB0 flash monitor建议在 menuconfig 中新增板型：
Xiaozhi Assistant
Board Type:
Sibo AI Speaker S3 4G DualScreen
Network Configuration Mode:
BluFi / SoftAP
Audio:
VB6824
USE_DEVICE_AEC = y
USE_SERVER_AEC = n
Display:
Single Screen / Dual Mirror / Dual Heterogeneous
Network:
Wi-Fi Enable
LTE Enable
Bluetooth PAN Enable7. 关键代码示例
下面代码是工程框架级示例，实际 GPIO、屏幕驱动、4G 模组 AT 指令、7014 指令需要按最终 PCB 和模组手册调整。
7.1 板级配置 board_config.h
#pragma once
#include "driver/gpio.h"
#include "driver/uart.h"
#include "driver/spi_master.h"
/*
* 四博 AI 智能音箱 S3 + 4G + 蓝牙上网 + 双屏异显
*/
#define BOARD_NAME "SIBO_AI_SPEAKER_S3_4G_DUAL"
/* ---------- 主控 ---------- */
#define SOC_NAME "ESP32-S3R8"
#define FLASH_SIZE_MB 16
#define PSRAM_SIZE_MB 8
/* ---------- VB6824 / AI MCP UART ---------- */
#define AI_UART UART_NUM_1
#define AI_UART_BAUD 115200
#define AI_UART_TX_GPIO GPIO_NUM_17
#define AI_UART_RX_GPIO GPIO_NUM_18
#define AI_RESET_GPIO GPIO_NUM_21
/* ---------- 4G Modem UART ---------- */
#define LTE_UART UART_NUM_2
#define LTE_UART_BAUD 115200
#define LTE_TX_GPIO GPIO_NUM_39
#define LTE_RX_GPIO GPIO_NUM_40
#define LTE_PWRKEY_GPIO GPIO_NUM_41
#define LTE_RESET_GPIO GPIO_NUM_42
#define LTE_STATUS_GPIO GPIO_NUM_2
/* ---------- 7014 Bluetooth PAN / Audio ---------- */
#define BT7014_UART UART_NUM_0
#define BT7014_TX_GPIO GPIO_NUM_43
#define BT7014_RX_GPIO GPIO_NUM_44
#define BT7014_EN_GPIO GPIO_NUM_45
/* ---------- Audio ---------- */
#define AMP_EN_GPIO GPIO_NUM_5
#define I2S_BCLK_GPIO GPIO_NUM_6
#define I2S_LRCK_GPIO GPIO_NUM_7
#define I2S_DOUT_GPIO GPIO_NUM_8
/* ---------- Display A ---------- */
#define LCD_A_SPI_HOST SPI2_HOST
#define LCD_A_CS_GPIO GPIO_NUM_10
#define LCD_A_DC_GPIO GPIO_NUM_11
#define LCD_A_RST_GPIO GPIO_NUM_12
#define LCD_A_BL_GPIO GPIO_NUM_13
/* ---------- Display B ---------- */
#define LCD_B_SPI_HOST SPI2_HOST
#define LCD_B_CS_GPIO GPIO_NUM_14
#define LCD_B_DC_GPIO GPIO_NUM_15
#define LCD_B_RST_GPIO GPIO_NUM_16
#define LCD_B_BL_GPIO GPIO_NUM_4
/* ---------- Keys ---------- */
#define KEY_BOOT_GPIO GPIO_NUM_0
#define KEY_VOL_UP_GPIO GPIO_NUM_35
#define KEY_VOL_DOWN_GPIO GPIO_NUM_36
/* ---------- RGB LED ---------- */
#define RGB_LED_GPIO GPIO_NUM_38
/* ---------- Network Policy ---------- */
#define WIFI_CONNECT_TIMEOUT_MS 10000
#define LTE_CONNECT_TIMEOUT_MS 25000
#define BTPAN_CONNECT_TIMEOUT_MS 15000
#define WS_HEARTBEAT_TIMEOUT_MS 15000
#define NETWORK_FAILOVER_THRESHOLD 37.2 Kconfig：启用实时打断与双屏异显
开发宝典中实时打断固件通过 USE_DEVICE_AEC / USE_SERVER_AEC 区分设备端和服务端 AEC，本方案建议默认启用设备端 AEC。
menu "Sibo AI Speaker S3 4G"
config BOARD_SIBO_AI_SPEAKER_S3_4G
bool "Sibo AI Speaker S3 4G"
default y
help
ESP32-S3R8 + VB6824 + 4G + Bluetooth PAN + dual display.
config USE_DEVICE_AEC
bool "Use device side AEC for wake-word barge-in"
depends on BOARD_SIBO_AI_SPEAKER_S3_4G
default y
help
Use VB6824 / device-side AEC to support real-time interruption
while TTS or Bluetooth music is playing.
config USE_SERVER_AEC
bool "Use server side AEC"
depends on BOARD_SIBO_AI_SPEAKER_S3_4G
default n
help
Enable only when customer backend supports server-side AEC.
choice DISPLAY_MODE
prompt "Display Mode"
default DISPLAY_DUAL_HETEROGENEOUS
config DISPLAY_SINGLE
bool "Single screen"
config DISPLAY_DUAL_MIRROR
bool "Dual screen mirror"
config DISPLAY_DUAL_HETEROGENEOUS
bool "Dual screen heterogeneous display"
endchoice
config LTE_ENABLE
bool "Enable 4G LTE network"
default y
config BT_PAN_ENABLE
bool "Enable Bluetooth PAN network"
default y
endmenu7.3 三网上网策略代码
#include <stdbool.h>
#include "esp_log.h"
#include "freertos/FreeRTOS.h"
#include "freertos/task.h"
#define TAG "NET_POLICY"
typedef enum {
NET_LINK_NONE = 0,
NET_LINK_WIFI,
NET_LINK_LTE,
NET_LINK_BT_PAN,
} net_link_t;
typedef struct {
bool up;
int rssi;
int latency_ms;
int fail_count;
int priority;
int power_cost;
int traffic_cost;
} net_metric_t;
static net_link_t s_current_link = NET_LINK_NONE;
static net_link_t s_pending_link = NET_LINK_NONE;
static net_metric_t s_wifi = {
.up = false,
.rssi = -90,
.latency_ms = 999,
.priority = 3,
.power_cost = 1,
.traffic_cost = 0,
};
static net_metric_t s_lte = {
.up = false,
.rssi = -100,
.latency_ms = 999,
.priority = 2,
.power_cost = 4,
.traffic_cost = 4,
};
static net_metric_t s_btpan = {
.up = false,
.rssi = -90,
.latency_ms = 999,
.priority = 1,
.power_cost = 2,
.traffic_cost = 1,
};
static bool ai_session_is_busy(void)
{
/*
* TODO:
* 返回 true 表示正在录音、TTS 播放或音频流传输。
* 对话中不强制切网，避免音频中断。
*/
return false;
}
static void wifi_update_metric(net_metric_t *m)
{
/*
* TODO:
* 1. esp_wifi_sta_get_ap_info 获取 RSSI。
* 2. ping AI gateway 获取 latency。
* 3. WebSocket 心跳失败则 fail_count++。
*/
m->up = true;
m->rssi = -55;
m->latency_ms = 35;
}
static void lte_update_metric(net_metric_t *m)
{
/*
* TODO:
* 1. AT+CSQ 获取信号。
* 2. AT+CREG? / AT+CEREG? 判断注册状态。
* 3. 判断 PPP netif 是否 up。
* 4. ping AI gateway。
*/
m->up = true;
m->rssi = -72;
m->latency_ms = 95;
}
static void btpan_update_metric(net_metric_t *m)
{
/*
* TODO:
* 1. 查询 7014 PAN 是否已连接手机。
* 2. 查询手机网络共享状态。
* 3. ping AI gateway。
*/
m->up = false;
m->rssi = -80;
m->latency_ms = 120;
}
static int calc_score(const net_metric_t *m)
{
if (!m->up) {
return -100000;
}
int score = 0;
score += m->priority * 1000;
score += m->rssi;
score -= m->latency_ms / 5;
score -= m->fail_count * 500;
score -= m->power_cost * 30;
score -= m->traffic_cost * 50;
return score;
}
static net_link_t choose_best_link(void)
{
int wifi_score = calc_score(&s_wifi);
int lte_score = calc_score(&s_lte);
int bt_score = calc_score(&s_btpan);
ESP_LOGI(TAG, "score wifi=%d lte=%d btpan=%d",
wifi_score, lte_score, bt_score);
if (wifi_score >= lte_score && wifi_score >= bt_score) {
return NET_LINK_WIFI;
}
if (lte_score >= wifi_score && lte_score >= bt_score) {
return NET_LINK_LTE;
}
if (bt_score >= wifi_score && bt_score >= lte_score) {
return NET_LINK_BT_PAN;
}
return NET_LINK_NONE;
}
static void set_default_link(net_link_t link)
{
switch (link) {
case NET_LINK_WIFI:
ESP_LOGI(TAG, "switch to Wi-Fi");
/*
* TODO:
* esp_netif_set_default_netif(wifi_netif);
* websocket_reconnect();
*/
break;
case NET_LINK_LTE:
ESP_LOGI(TAG, "switch to 4G LTE");
/*
* TODO:
* esp_netif_set_default_netif(ppp_netif);
* websocket_reconnect();
*/
break;
case NET_LINK_BT_PAN:
ESP_LOGI(TAG, "switch to Bluetooth PAN");
/*
* TODO:
* 通过 7014 建立 PAN 数据链路。
* websocket_reconnect();
*/
break;
default:
ESP_LOGW(TAG, "no network available, enter provisioning");
/*
* TODO:
* start_blufi_or_softap_provisioning();
*/
break;
}
s_current_link = link;
}
void network_policy_task(void *arg)
{
while (1) {
wifi_update_metric(&s_wifi);
lte_update_metric(&s_lte);
btpan_update_metric(&s_btpan);
net_link_t best = choose_best_link();
if (best != s_current_link) {
if (ai_session_is_busy()) {
s_pending_link = best;
ESP_LOGI(TAG, "AI busy, pending link=%d", best);
} else {
set_default_link(best);
s_pending_link = NET_LINK_NONE;
}
}
if (!ai_session_is_busy() && s_pending_link != NET_LINK_NONE) {
set_default_link(s_pending_link);
s_pending_link = NET_LINK_NONE;
}
vTaskDelay(pdMS_TO_TICKS(10000));
}
}7.4 4G 模组 AT + PPP 初始化框架
#include <string.h>
#include "esp_log.h"
#include "esp_timer.h"
#include "driver/uart.h"
#include "driver/gpio.h"
#include "freertos/FreeRTOS.h"
#include "freertos/task.h"
#include "board_config.h"
#define TAG "LTE"
static void modem_send_cmd(const char *cmd)
{
uart_write_bytes(LTE_UART, cmd, strlen(cmd));
uart_write_bytes(LTE_UART, "\r\n", 2);
ESP_LOGI(TAG, "MCU -> LTE: %s", cmd);
}
static bool modem_wait_keyword(const char *keyword, int timeout_ms)
{
uint8_t buf[256];
int total = 0;
int64_t start_ms = esp_timer_get_time() / 1000;
while ((esp_timer_get_time() / 1000 - start_ms) < timeout_ms) {
int n = uart_read_bytes(
LTE_UART,
buf + total,
sizeof(buf) - 1 - total,
pdMS_TO_TICKS(100)
);
if (n > 0) {
total += n;
buf[total] = 0;
if (strstr((char *)buf, keyword)) {
ESP_LOGI(TAG, "LTE <- %s", (char *)buf);
return true;
}
if (total > sizeof(buf) - 32) {
total = 0;
}
}
}
ESP_LOGW(TAG, "timeout waiting: %s", keyword);
return false;
}
static bool modem_at_ok(const char *cmd, int timeout_ms)
{
modem_send_cmd(cmd);
return modem_wait_keyword("OK", timeout_ms);
}
static void modem_power_on(void)
{
gpio_set_direction(LTE_PWRKEY_GPIO, GPIO_MODE_OUTPUT);
gpio_set_direction(LTE_RESET_GPIO, GPIO_MODE_OUTPUT);
gpio_set_level(LTE_RESET_GPIO, 1);
vTaskDelay(pdMS_TO_TICKS(100));
gpio_set_level(LTE_PWRKEY_GPIO, 1);
vTaskDelay(pdMS_TO_TICKS(1200));
gpio_set_level(LTE_PWRKEY_GPIO, 0);
vTaskDelay(pdMS_TO_TICKS(5000));
}
bool lte_modem_start_ppp(const char *apn)
{
char cmd[128];
modem_power_on();
for (int i = 0; i < 5; i++) {
if (modem_at_ok("AT", 1000)) {
break;
}
vTaskDelay(pdMS_TO_TICKS(1000));
}
modem_at_ok("ATE0", 1000);
modem_at_ok("AT+CPIN?", 1000);
modem_at_ok("AT+CSQ", 1000);
modem_at_ok("AT+CREG?", 1000);
modem_at_ok("AT+CEREG?", 1000);
modem_at_ok("AT+CGATT=1", 5000);
snprintf(cmd, sizeof(cmd), "AT+CGDCONT=1,\"IP\",\"%s\"", apn);
modem_at_ok(cmd, 1000);
/*
* 不同 4G 模组拨号命令可能不同。
* 常见命令：ATD*99***1# 或 ATD*99#
*/
modem_send_cmd("ATD*99***1#");
if (!modem_wait_keyword("CONNECT", 10000)) {
ESP_LOGE(TAG, "PPP dial failed");
return false;
}
/*
* TODO:
* 收到 CONNECT 后，将 UART 交给 esp_modem / esp_netif PPP。
*/
ESP_LOGI(TAG, "PPP data mode entered");
return true;
}7.5 AT+MCP 串口桥接代码
开发宝典中的 AT+MCP 协议非常适合"接入客户自己的系统"：AI 模组通过 UART 接收 AT 指令，AT+ADDMCP 可将自然语言映射为 MCU 可执行的二进制帧；AI 模组主动上报开机、配网、联网、监听、说话、升级、激活等状态。协议默认 UART 为 115200、8N1，帧格式为 55 AA LEN CMD DATA AA 55。
#include <stdio.h>
#include <string.h>
#include <stdbool.h>
#include "esp_log.h"
#include "driver/uart.h"
#include "driver/gpio.h"
#include "freertos/FreeRTOS.h"
#include "freertos/task.h"
#include "board_config.h"
#define TAG "MCP"
#define FRAME_H1 0x55
#define FRAME_H2 0xAA
#define FRAME_T1 0xAA
#define FRAME_T2 0x55
#define CMD_STATUS 0xFF
#define CMD_RECOVER 0xFC
#define CMD_RGB 0xF1
#define CMD_VOLUME 0xF2
#define CMD_ALARM 0xF3
#define CMD_BT_NET 0xF4
#define CMD_NET_MODE 0xF5
#define CMD_SCREEN_MODE 0xF6
#define CMD_CUSTOMER 0xF7
typedef enum {
AI_STARTING = 0x01,
AI_CONFIGURING = 0x02,
AI_IDLE = 0x03,
AI_CONNECTING = 0x04,
AI_LISTENING = 0x05,
AI_SPEAKING = 0x06,
AI_UPGRADING = 0x07,
AI_ACTIVATING = 0x08,
} ai_status_t;
static void ai_reset_module(void)
{
ESP_LOGW(TAG, "reset AI module");
gpio_set_direction(AI_RESET_GPIO, GPIO_MODE_OUTPUT);
gpio_set_level(AI_RESET_GPIO, 0);
vTaskDelay(pdMS_TO_TICKS(300));
gpio_set_level(AI_RESET_GPIO, 1);
vTaskDelay(pdMS_TO_TICKS(1500));
}
static void mcp_send_line(const char *line)
{
uart_write_bytes(AI_UART, line, strlen(line));
uart_write_bytes(AI_UART, "\r\n", 2);
ESP_LOGI(TAG, "MCU -> AI: %s", line);
}
static void ui_on_status(ai_status_t status)
{
switch (status) {
case AI_STARTING:
ESP_LOGI(TAG, "AI starting");
break;
case AI_CONFIGURING:
ESP_LOGI(TAG, "AI configuring");
break;
case AI_IDLE:
ESP_LOGI(TAG, "AI idle");
break;
case AI_CONNECTING:
ESP_LOGI(TAG, "AI connecting");
break;
case AI_LISTENING:
ESP_LOGI(TAG, "AI listening");
break;
case AI_SPEAKING:
ESP_LOGI(TAG, "AI speaking");
break;
case AI_UPGRADING:
ESP_LOGI(TAG, "AI upgrading");
break;
case AI_ACTIVATING:
ESP_LOGI(TAG, "AI activating");
break;
default:
ESP_LOGW(TAG, "unknown status 0x%02X", status);
break;
}
}
static void speaker_set_rgb(uint8_t r, uint8_t g, uint8_t b)
{
ESP_LOGI(TAG, "set rgb: %u %u %u", r, g, b);
/*
* TODO:
* WS2812 用 RMT；
* 三路 LED 用 LEDC PWM。
*/
}
static void speaker_set_volume(uint8_t volume)
{
if (volume > 100) {
volume = 100;
}
ESP_LOGI(TAG, "set volume: %u", volume);
/*
* TODO:
* 1. 设置播放器音量。
* 2. 设置功放或 Codec 音量。
* 3. 保存到 NVS。
*/
}
static void speaker_set_network_mode(uint8_t mode)
{
ESP_LOGI(TAG, "switch network mode: %u", mode);
/*
* mode:
* 0x01 Wi-Fi
* 0x02 4G
* 0x03 Bluetooth PAN
*/
}
static void display_set_mode(uint8_t mode)
{
ESP_LOGI(TAG, "set display mode: %u", mode);
/*
* mode:
* 0x01 单屏
* 0x02 双屏镜像
* 0x03 双屏异显
*/
}
static void customer_system_command(uint8_t scene_id, uint8_t action)
{
ESP_LOGI(TAG, "customer cmd: scene=%u action=%u", scene_id, action);
/*
* TODO:
* 这里接客户自己的系统。
* 例如：
* 1. MQTT 发布到客户云平台。
* 2. HTTP 调用客户 API。
* 3. UART 控制外部 MCU。
* 4. Modbus / RS485 控制设备。
*/
}
static void mcp_register_tools(void)
{
mcp_send_line("AT");
mcp_send_line("AT+WIFICFG=0");
mcp_send_line("AT+CONNECT");
/*
* 用户说："把氛围灯调成红色"
* AI -> MCU: 55 AA 04 F1 FF 00 00 AA 55
*/
mcp_send_line(
"AT+ADDMCP=1,set_lamp_color,设置音箱氛围灯颜色,F1,3,R,G,B"
);
/*
* 用户说："音量调到 60"
*/
mcp_send_line(
"AT+ADDMCP=1,set_speaker_volume,设置音箱音量,F2,1,volume"
);
/*
* 用户说："十分钟后提醒我关火"
*/
mcp_send_line(
"AT+ADDMCP=1,set_alarm,设置提醒闹钟,F3,2,minute,action"
);
/*
* 用户说："打开蓝牙上网"
*/
mcp_send_line(
"AT+ADDMCP=0,open_bluetooth_pan,打开蓝牙上网,2,F4,01"
);
/*
* 用户说："切换到 4G 网络"
*/
mcp_send_line(
"AT+ADDMCP=1,set_network_mode,切换联网方式,F5,1,mode"
);
/*
* 用户说："切换到双屏异显"
*/
mcp_send_line(
"AT+ADDMCP=1,set_screen_mode,设置屏幕显示模式,F6,1,mode"
);
/*
* 用户说："打开会议室灯"或"启动客户系统的一号场景"
*/
mcp_send_line(
"AT+ADDMCP=1,customer_scene_control,控制客户业务系统,F7,2,scene_id,action"
);
}
static void mcp_handle_frame(uint8_t cmd, const uint8_t *data, uint8_t len)
{
if (cmd == CMD_RECOVER) {
/*
* 开发宝典要求：
* 收到 55 AA 01 FC AA 55 后，MCU 重启 AI 模组并重新发送 MCP 映射。
*/
ai_reset_module();
mcp_register_tools();
return;
}
if (cmd == CMD_STATUS && len >= 1) {
ui_on_status((ai_status_t)data[0]);
return;
}
switch (cmd) {
case CMD_RGB:
if (len >= 3) {
speaker_set_rgb(data[0], data[1], data[2]);
}
break;
case CMD_VOLUME:
if (len >= 1) {
speaker_set_volume(data[0]);
}
break;
case CMD_ALARM:
if (len >= 2) {
ESP_LOGI(TAG, "alarm minute=%u action=%u", data[0], data[1]);
}
break;
case CMD_BT_NET:
ESP_LOGI(TAG, "open bluetooth pan");
break;
case CMD_NET_MODE:
if (len >= 1) {
speaker_set_network_mode(data[0]);
}
break;
case CMD_SCREEN_MODE:
if (len >= 1) {
display_set_mode(data[0]);
}
break;
case CMD_CUSTOMER:
if (len >= 2) {
customer_system_command(data[0], data[1]);
}
break;
default:
ESP_LOGW(TAG, "unhandled cmd=0x%02X len=%u", cmd, len);
break;
}
}
static void mcp_rx_task(void *arg)
{
uint8_t frame[160];
uint8_t pos = 0;
int expected = -1;
while (1) {
uint8_t b = 0;
int n = uart_read_bytes(AI_UART, &b, 1, pdMS_TO_TICKS(100));
if (n <= 0) {
continue;
}
if (pos == 0 && b != FRAME_H1) {
continue;
}
if (pos == 1 && b != FRAME_H2) {
pos = 0;
expected = -1;
continue;
}
frame[pos++] = b;
if (pos == 3) {
uint8_t len = frame[2];
if (len == 0 || len > 150) {
pos = 0;
expected = -1;
continue;
}
expected = 2 + 1 + len + 2;
}
if (expected > 0 && pos >= expected) {
uint8_t len = frame[2];
if (frame[3 + len] == FRAME_T1 &&
frame[4 + len] == FRAME_T2) {
uint8_t cmd = frame[3];
const uint8_t *data = &frame[4];
uint8_t data_len = len - 1;
mcp_handle_frame(cmd, data, data_len);
} else {
ESP_LOGW(TAG, "bad frame tail");
}
pos = 0;
expected = -1;
}
if (pos >= sizeof(frame)) {
pos = 0;
expected = -1;
}
}
}
void mcp_uart_bridge_start(void)
{
uart_config_t cfg = {
.baud_rate = AI_UART_BAUD,
.data_bits = UART_DATA_8_BITS,
.parity = UART_PARITY_DISABLE,
.stop_bits = UART_STOP_BITS_1,
.flow_ctrl = UART_HW_FLOWCTRL_DISABLE,
.source_clk = UART_SCLK_DEFAULT,
};
uart_driver_install(AI_UART, 2048, 2048, 0, NULL, 0);
uart_param_config(AI_UART, &cfg);
uart_set_pin(
AI_UART,
AI_UART_TX_GPIO,
AI_UART_RX_GPIO,
UART_PIN_NO_CHANGE,
UART_PIN_NO_CHANGE
);
ai_reset_module();
mcp_register_tools();
xTaskCreate(mcp_rx_task, "mcp_rx", 4096, NULL, 10, NULL);
}7.6 双屏异显管理代码
#include <stdbool.h>
#include "esp_log.h"
#include "freertos/FreeRTOS.h"
#include "freertos/task.h"
#define TAG "DISPLAY"
typedef enum {
DISPLAY_MODE_SINGLE = 1,
DISPLAY_MODE_DUAL_MIRROR,
DISPLAY_MODE_DUAL_HETEROGENEOUS,
} display_mode_t;
typedef enum {
AI_UI_IDLE = 0,
AI_UI_LISTENING,
AI_UI_THINKING,
AI_UI_SPEAKING,
AI_UI_NETWORK_ERROR,
AI_UI_OTA,
} ai_ui_state_t;
static display_mode_t s_display_mode = DISPLAY_MODE_DUAL_HETEROGENEOUS;
static ai_ui_state_t s_ui_state = AI_UI_IDLE;
static void lcd_a_draw_face(ai_ui_state_t state)
{
/*
* TODO:
* 左屏显示 AI 眼睛 / 表情 / 角色动画。
*/
ESP_LOGI(TAG, "LCD A draw face state=%d", state);
}
static void lcd_b_draw_info(ai_ui_state_t state)
{
/*
* TODO:
* 右屏显示文字、联网状态、时间、天气、客户业务数据。
*/
ESP_LOGI(TAG, "LCD B draw info state=%d", state);
}
static void lcd_b_draw_face(ai_ui_state_t state)
{
/*
* 镜像显示时，右屏也显示表情。
*/
ESP_LOGI(TAG, "LCD B mirror face state=%d", state);
}
void display_set_mode_runtime(display_mode_t mode)
{
s_display_mode = mode;
}
void display_set_ai_state(ai_ui_state_t state)
{
s_ui_state = state;
}
static void display_refresh_once(void)
{
switch (s_display_mode) {
case DISPLAY_MODE_SINGLE:
lcd_a_draw_face(s_ui_state);
break;
case DISPLAY_MODE_DUAL_MIRROR:
lcd_a_draw_face(s_ui_state);
lcd_b_draw_face(s_ui_state);
break;
case DISPLAY_MODE_DUAL_HETEROGENEOUS:
lcd_a_draw_face(s_ui_state);
lcd_b_draw_info(s_ui_state);
break;
default:
lcd_a_draw_face(s_ui_state);
break;
}
}
void display_task(void *arg)
{
while (1) {
display_refresh_once();
/*
* 表情动画可 20~30 FPS；
* 信息屏 5~10 FPS 即可。
* 这里示例统一 20 FPS。
*/
vTaskDelay(pdMS_TO_TICKS(50));
}
}7.7 音频焦点与实时打断代码
#include <stdbool.h>
#include "esp_log.h"
#define TAG "AUDIO_FOCUS"
typedef enum {
AUDIO_SRC_NONE = 0,
AUDIO_SRC_SYSTEM_ALERT,
AUDIO_SRC_WAKEUP_LISTENING,
AUDIO_SRC_AI_TTS,
AUDIO_SRC_ALARM,
AUDIO_SRC_BT_MUSIC,
AUDIO_SRC_UI_TONE,
} audio_source_t;
static audio_source_t s_current_audio = AUDIO_SRC_NONE;
static int audio_priority(audio_source_t src)
{
switch (src) {
case AUDIO_SRC_SYSTEM_ALERT: return 100;
case AUDIO_SRC_WAKEUP_LISTENING: return 90;
case AUDIO_SRC_AI_TTS: return 80;
case AUDIO_SRC_ALARM: return 70;
case AUDIO_SRC_BT_MUSIC: return 50;
case AUDIO_SRC_UI_TONE: return 30;
default: return 0;
}
}
static void stop_tts_player(void)
{
ESP_LOGI(TAG, "stop TTS");
/*
* TODO:
* 停止 I2S 播放 / 清空 TTS ringbuffer。
*/
}
static void duck_bt_music(void)
{
ESP_LOGI(TAG, "duck Bluetooth music");
/*
* TODO:
* 将蓝牙音乐音量降低 12~18 dB。
*/
}
static void pause_bt_music(void)
{
ESP_LOGI(TAG, "pause Bluetooth music");
/*
* TODO:
* 通过 7014 或蓝牙音频芯片暂停 A2DP。
*/
}
bool audio_request_focus(audio_source_t src)
{
if (audio_priority(src) < audio_priority(s_current_audio)) {
return false;
}
if (s_current_audio == AUDIO_SRC_AI_TTS &&
src == AUDIO_SRC_WAKEUP_LISTENING) {
stop_tts_player();
}
if (s_current_audio == AUDIO_SRC_BT_MUSIC &&
src == AUDIO_SRC_WAKEUP_LISTENING) {
duck_bt_music();
}
s_current_audio = src;
return true;
}
void on_wakeup_word_detected(void)
{
ESP_LOGI(TAG, "wake word detected");
audio_request_focus(AUDIO_SRC_WAKEUP_LISTENING);
/*
* TODO:
* 1. 更新 UI 到 Listening。
* 2. 停止 TTS 或降低蓝牙音乐。
* 3. 打开上行音频流。
* 4. 通知 WebSocket 开始新一轮会话。
*/
}
void on_realtime_barge_in_detected(void)
{
ESP_LOGI(TAG, "real-time barge-in detected");
audio_request_focus(AUDIO_SRC_WAKEUP_LISTENING);
/*
* 实时打断与唤醒词打断处理类似。
*/
}
void on_ai_tts_start(void)
{
audio_request_focus(AUDIO_SRC_AI_TTS);
}
void on_ai_tts_finish(void)
{
s_current_audio = AUDIO_SRC_NONE;
}7.8 客户系统接入示例：MQTT / HTTP / UART
"基于 ESP32‑S3 方便二次开发，便于接入客户自己的系统"可以落到三种接口：
1. 云端接口：
MQTT / HTTP / WebSocket，接客户云平台。
2. 本地接口：
UART / RS485 / CAN / GPIO，接客户 MCU 或控制板。
3. MCP 工具：
通过 AI 语义解析，把"打开会议室灯"转成客户系统指令。示例：MCP 指令转 MQTT 主题。
#include <stdio.h>
#include "esp_log.h"
#define TAG "CUSTOMER"
typedef struct {
uint8_t scene_id;
uint8_t action;
} customer_cmd_t;
static void mqtt_publish_customer_cmd(const customer_cmd_t *cmd)
{
char topic[64];
char payload[128];
snprintf(topic, sizeof(topic),
"sibo/speaker/%s/customer/scene",
"device_001");
snprintf(payload, sizeof(payload),
"{\"scene_id\":%u,\"action\":%u}",
cmd->scene_id,
cmd->action);
ESP_LOGI(TAG, "MQTT topic=%s payload=%s", topic, payload);
/*
* TODO:
* esp_mqtt_client_publish(client, topic, payload, 0, 1, 0);
*/
}
void customer_handle_mcp(uint8_t scene_id, uint8_t action)
{
customer_cmd_t cmd = {
.scene_id = scene_id,
.action = action,
};
mqtt_publish_customer_cmd(&cmd);
}8. 配网与使用交互
开发宝典中设备配网支持 SoftAP 和四博小助手 BluFi；BluFi 方式可以通过微信小程序使用蓝牙给芯片联网，减少传统浏览器配网流程。
建议按键定义：
单击：
切换对讲状态 / 停止 TTS / 开始聆听
双击：
4G / Wi‑Fi 模式切换，或进入 VB6824 唤醒词升级模式
三击：
进入配网模式
长按：
开机 / 关机开发宝典中 S3 双目使用说明也给出类似按键逻辑：默认唤醒词为"你好小智"；单击切换小智对讲状态；双击用于 VB6824 更改唤醒词；三击进入配网模式；长按用于开关机。
9. 自定义唤醒词流程
VB6824 自定义唤醒词建议作为售后 / 客户定制流程：
1. 设备进入 VB6824 升级模式。
2. 设备播报升级模式和设备码。
3. 在同一局域网内访问唤醒词升级页面。
4. 输入设备码和授权码。
5. 选择默认唤醒词或客户定制唤醒词。
6. 在线升级 VB6824 语音固件。
7. 升级完成后重启设备。
8. 验证唤醒词和 AI 播报中打断能力。开发宝典中说明，自定义唤醒词需要先让 VB6824 进入升级模式，并且设备和电脑需要在同一局域网；完成升级后即可支持选定唤醒词以及 AI 说话过程中的随时打断。
10. 后端服务与私有化部署
AI 对话后端建议支持两种：
1. 标准小智服务：
快速接入，适合样机和标准产品。
2. 客户私有化服务：
接客户自有 LLM、知识库、TTS、业务系统。开发宝典说明，设备默认可连接小智官方服务，也可以运行开源后端服务，让设备连接到自己的后端；后端包含 OTA 接口和 WebSocket 接口，并可配置 LLM、TTS、人设等参数。
后端结构建议：
Nginx / Caddy
├── HTTPS OTA
├── WSS WebSocket
├── Device Auth
├── ASR
├── LLM
├── TTS
├── MCP Tool Server
└── Customer API Gateway配置示例：
server:
ip: 0.0.0.0
websocket_port: 8000
ota_port: 8002
device:
ota_url: "https://ai.customer.com/xiaozhi/ota/"
websocket_url: "wss://ai.customer.com/xiaozhi/v1/"
selected_module:
VAD: SileroVAD
ASR: FunASR
LLM: CustomerLLM
TTS: CustomerTTS
Memory: nomem
Intent: function_call
persona:
name: "四博AI智能音箱"
prompt: |
你是客户业务系统的语音入口。
回答要简洁准确。
支持设备控制、业务查询、知识库问答和多轮对话。11. OTA 与分区设计
建议 16MB Flash 起步：
# Name, Type, SubType, Offset, Size
nvs, data, nvs, 0x9000, 0x6000
otadata, data, ota, 0xF000, 0x2000
phy_init, data, phy, 0x11000, 0x1000
factory, app, factory, 0x20000, 0x300000
ota_0, app, ota_0, 0x320000, 0x300000
ota_1, app, ota_1, 0x620000, 0x300000
storage, data, fat, 0x920000, 0x500000
coredump, data, coredump,0xE20000, 0x100000OTA 策略：
1. S3 主控固件 OTA：
双分区升级，失败回滚。
2. UI 资源 OTA：
表情、眼睛动画、提示音、屏幕素材放 storage 分区。
3. VB6824 语音固件：
单独走语音芯片升级流程，避免与主控 OTA 混淆。
4. 4G 网络 OTA：
默认只允许小补丁或紧急升级。
大版本升级建议要求用户切换 Wi‑Fi。
5. 客户灰度：
按 project_id / batch_id / device_id 分批升级。12. 产测方案
12.1 工厂测试项目
主控：
- ESP32-S3 Flash / PSRAM 检测
- MAC / SN / Batch ID 写入
- NVS 读写
- 看门狗复位
语音：
- VB6824 UART 通信
- MIC 电平
- 喇叭播放
- AEC 回采
- 5 米唤醒
- 高噪唤醒
- 播报中实时打断
- 唤醒词更换验证
网络：
- Wi‑Fi 扫描
- Wi‑Fi 连接
- 4G SIM 检测
- 4G CSQ
- 4G 注册
- PPP 拨号
- 蓝牙广播
- 蓝牙 PAN 上网
- WebSocket 连接
显示：
- 单屏显示
- 双屏镜像
- 双屏异显
- 背光 PWM
- 屏幕老化
客户接口：
- MCP 指令
- MQTT / HTTP
- UART / RS485
- GPIO 控制12.2 高噪测试建议
1. 安静环境：
1m / 3m / 5m 唤醒率测试。
2. 空气炸锅环境：
空气炸锅距离设备 0.5m~1m，用户距离 3m / 5m 唤醒。
3. 油烟机环境：
高档风量，用户正前方和侧向唤醒。
4. 电视背景音：
电视音量 60%，测试误唤醒与有效唤醒。
5. TTS 打断：
设备播报时，用户 3m / 5m 说唤醒词打断。
6. 蓝牙音乐打断：
蓝牙音乐播放时，用户唤醒，验证 ducking 和进入聆听。13. 推荐版本划分
13.1 标准 S3 AI 音箱版
ESP32-S3R8 + 16M Flash
VB6824
Wi‑Fi + BLE BluFi
单屏 LCD
麦克风 + 3W 喇叭
小智 / 豆包 / ChatGPT / 私有后端
AT+MCP 二次开发适合：室内音箱、桌面助手、AI 玩具、智能家居控制。
13.2 S3 + 4G 三网上网版
ESP32-S3R8 + 16M Flash
VB6824
Wi‑Fi
4G Cat.1 / Cat.4
BLE 配网
7014 蓝牙 PAN，可选
单屏 / 双屏
电池供电
实时打断
自定义唤醒词适合：户外音箱、展厅导览、车载语音终端、移动 AI 设备。
13.3 S3 + 7014 + 4G + 双屏异显高端版
ESP32-S3R8 + 16M Flash + 8M PSRAM
VB6824
4G
7014 蓝牙 PAN / 蓝牙音箱
双 LCD 异显
RGB 氛围灯
3W~5W 喇叭
双麦 / 高信噪比麦克风
Wi‑Fi / 蓝牙 / 4G 三网上网
MCP + 客户系统 API
私有化 AI 后端适合：高端 B 端定制、品牌 AI 音箱、AI 双目陪伴设备、客户专用语音入口。
14. 方案总结
四博 AI 智能音箱建议采用 ESP32‑S3R8 + 16M Flash + VB6824 + 4G + 7014 + 双屏 LCD 的平台化架构：ESP32‑S3 负责联网、屏幕、WebSocket、OTA、二次开发和客户系统接入；VB6824 负责远场拾音、离线唤醒、AEC、高噪降噪、唤醒词打断、实时打断和自定义唤醒词；4G 模组解决无 Wi‑Fi 和移动场景联网；7014 负责蓝牙 PAN 上网和蓝牙音箱能力；双屏系统支持单屏、双屏镜像和双屏异显。通过 DOIT_AI、四博小助手 BluFi、AT+MCP 和私有化小智后端，可形成一套可量产、可定制、可接入客户系统的高端 AI 智能音箱方案。