音频外设元器件与外设接口综合速查表
综述
综述：音频项目主要完成听-说的功能，在工作流上主要是：
声音收集-模数转换-信号处理-数模转换-声音播放本文主要介绍常见的音频外设元器件，以及音频接口，方便音频开发工作者快速了解音频开发的元器件选型。 商用方面更完整的音频数据流是：
| 阶段 | 听（输入链） | 说（输出链） |
|---|---|---|
| 换能 | ① 声音收集麦克风：声→电（数字麦内含 ADC） | ⑧ 声音播放扬声器：电→声 |
| 转换 | ② 模数转换ADC / PDM→PCM | ⑥ 数模转换DAC / 数字功放直驱 |
| 处理 | ③ 听端信号处理降噪、AEC、VAD、AGC | ⑤ 说端信号处理音量、EQ、限幅 |
| 核心（中枢） | ④ ASR → 语义理解/生成 → TTS（横跨听与说的中枢环节，听说共用） | ④ 同上（与听链共享同一中枢） |
| 驱动 | --- | ⑦ 功率放大PA |
| 输出 | --- | ⑧ 声音播放（声波辐射）与"换能"行同指最终电→声环节 |
音频外设元器件速查表
| 硬件链路阶段 | 外设类别 | 常见芯片型号 | 信号接口形态（模拟/数字） | I2S 模式 | 时钟主从搭配关系 (Master/Slave) | MCLK (主时钟) 需求 | 特点与典型应用场景 | 软件替代可行性（方案 / 边界） |
|---|---|---|---|---|---|---|---|---|
| 1. 声音采集端 | 数字麦克风 | INMP441 | 数字（I2S） | STD | 必须为 Slave（由主控产生 BCLK 和 WS 并提供给麦克风） | 不需要 | 经典全向 MEMS 麦克风，直接输出标准 I2S。 | ❌ 不可替代｜声电转换属物理层，MEMS 拾音必须硬件完成 |
| MP23DB01HP | 数字（PDM） | PDM | 必须为 Slave（由主控产生固定高频 CLK 驱动其内部采样） | 不需要 | PDM 接口，抗干扰能力极强，常用于密集麦阵。 | ❌ 不可替代｜同上，PDM 物理拾音无法软件模拟 | ||
| SPH0641LU4H-1 | 数字（PDM） | PDM | 必须为 Slave（由主控提供 0~4.8MHz 时钟驱动） | 不需要 | 支持 100Hz~80kHz 超声波频段，信噪比 64.3dB，低功耗模式仅 235μA，可用于手势识别、超声测距等创新场景。 | ❌ 不可替代｜涉及超声波物理采集，必须硬件实现 | ||
| 模拟输入麦克风 | ECM 驻极体麦 + 前置运放（LMV321 / MCP6002） | 模拟（单端输出，叠加 1.65V 偏置） | 不适用（模拟输出，需 MCU ADC 采样，无 I2S 时序） | 无数字时钟主从概念（仅 MCU ADC 采样时钟） | 不需要 | 成本最低，整套模拟前端 <2 元；必须外部偏置 + 前置放大 + 抗混叠滤波；输出为叠加在 1.65V 上的微幅交流（±50~200mV），直接接 ADC 时有效分辨率仅用满量程 3%~6%。典型：玩具、廉价对讲、声控模块。 | ❌ 换能不可替代｜⚠️ 前置放大/AGC 可由主控 ADC + 软件算法替代（但 ESP32 ADC 音频段 ENOB 仅 7~8bit，只能做声控/能量判别，做不了语音识别） | |
| 模拟输出 MEMS 麦（ICS-43432 / IM70A135） | 模拟（内部集成偏置与放大） | 不适用（模拟输出，需 MCU ADC 采样） | 无数字时钟主从概念 | 不需要 | 内部集成偏置与放大，省去外部偏置设计；稳定性明显优于 ECM（ADC 读数波动 ±18LSB vs ECM ±120LSB）；支持 1.5~3.3V 宽电压与 2.75×1.85mm 级超小封装。典型：可穿戴、电池供电、工业异响监测。 | ❌ 换能不可替代｜⚠️ 仅前端模拟调理环节可省，仍受主控 ADC 性能约束 | ||
| 带 AGC 模拟麦模块（MAX9814 / MAX4466） | 模拟（模块化，输出约 1.5Vpp） | 不适用（模拟输出，需 MCU ADC 采样） | 无数字时钟主从概念 | 不需要 | 模块化即插即用，内置 AGC/运放，输出约 1.5Vpp 可直接喂 ADC，原型验证最省事；但仍受主控 ADC 性能约束。典型：声控灯、频谱灯、拍手开关、分贝计、STM32 录音笔。 | ❌ 换能不可替代｜✅ 其 AGC/增益控制可由软件替代，可换用不带 AGC 的廉价麦进一步降本 | ||
| 2. 信号转换/传输 | 音频编码芯片 (ADC) | PCM1808 | 模拟入 → 数字出（I2S） | STD | 支持 Master 或 Slave（常规设计中设为 Slave，由主控提供时钟） | 必须提供（需外接晶振或主控配置引脚输出 MCLK） | 高性价比双通道 ADC，用于将 Line-in 模拟音源转为数字。 | ❌ 不可替代｜模拟→数字转换属物理层，无软件等价方案 |
| AC108 | 模拟入 → 数字出（I2S/TDM） | TDM / STD | 支持 Master 或 Slave（多麦阵列推荐设为 Master，保证各通道严密同步） | 支持外接晶振（作为 Master 时通常外接晶振以降低抖动） | 4 通道 ADC 芯片，一根 TDM 线传输 4 路麦克风数据。 | ⚠️ 有限可替代｜低同步精度场景下用多路独立 I2S 麦+软件时间戳对齐模拟准 TDM；高精度多麦同步仍需硬件 | ||
| 音频解码芯片 (DAC) | PCM5102A | 数字入（I2S）→ 模拟出 | STD | 必须为 Slave（由主控提供 BCLK 和 WS 信号） | 非必须（芯片具备内部 PLL，可从 BCLK 自动锁相恢复） | HIFI 级别解码，音质优秀。输出为模拟耳机/前级信号。 | ⚠️ 部分可替代｜非 HIFI 场景可用 PWM+RC 滤波直接输出模拟音频；高音质解码不可替代 | |
| PT8211 | 数字入（I2S）→ 模拟出 | STD | 必须为 Slave（由主控提供时钟） | 不需要 | 成本极低，廉价玩具或提示音方案首选。 | ⚠️ 部分可替代｜提示音等低要求场景可用 PWM 方案，省去独立 DAC | ||
| 音频编解码芯片 (Codec) | ES8388 | 混合（模拟 ↔ 数字，双向） | STD | 支持 Master 或 Slave（通常设为 Slave，由主控统一提供时钟） | 通常需要（高保真录放音时需主控输出 MCLK 作为过采样时钟） | 乐鑫官方开发板标配。性价比高，双向通话。(需 I2C 配置) | ⚠️ 部分可替代｜数字音效（EQ/3D/AGC）可软件实现，模拟前端（PGA、偏置）不可替代 | |
| WM8960 | 混合（模拟 ↔ 数字，双向） | STD | 支持 Master 或 Slave（通常设为 Slave，亦可利用内部 PLL 升频） | 非必须（若主控无法输出 MCLK，可利用其内部 PLL 锁相） | 经典低功耗 Codec，带喇叭驱动，树莓派板常用。(需 I2C 配置) | ⚠️ 部分可替代｜同上，数字处理可软化，模拟通路与喇叭驱动仍靠硬件 | ||
| WM8978 | 混合（模拟 ↔ 数字，双向） | STD / 左对齐 / 右对齐 | 支持 Master 或 Slave，内置 PLL 可独立生成音频时钟 | 支持外接 12/13MHz 晶振，也可由主控输出 256Fs 频率的 MCLK | 集成 5 段均衡器、3D 音效增强，是 STM32 平台最常用的立体声编解码芯片，广泛用于便携式音频设备。 | ⚠️ 部分可替代｜均衡器、3D 音效等可由软件 DSP 实现，模拟编解码物理过程不可替代 | ||
| 硬件音频解码芯片 | VS1011E | 数字入（SPI）→ 模拟出 | SPI 串行接口 | 始终为 Slave，由主控通过 SPI 总线提供控制与数据时钟 | 必须外接 12.288MHz 晶振，内部集成时钟倍频器 | 经典 MP3/WAV 硬解码芯片，内置立体声 DAC 和耳机放大器，支持独立 SPI 启动，低成本 MP3 播放器方案首选。 | ✅ 可完全替代｜用软件解码库（如 libhelix-mp3）解 MP3/WAV，直接输出 I2S 给后级 DAC/功放 | |
| 3. 语音加工与优化 | 语音算法/回声消除 | FM34-181 | 模拟入 → 模拟出（数字控制） | STD / 模拟 | 支持 Master 或 Slave（常规对讲设计作为 Slave 挂载在主控上） | 必须提供（需要极其稳定的时钟基准用于硬件算法运行） | 硬件级回声消除（AEC）与降噪芯片，车载通话首选。 | ✅ 可完全替代｜移植 WebRTC 的 AEC/NS（NLMS 自适应滤波）到主控，16kHz 下回声残留可抑制到 -40dB 以下 |
| XF6011 | 数字入（PDM/I2S）→ 数字出（I2S） | STD / PDM | 通常作为 Master 运行（由算法芯片统一掌控数字麦克风与主控的时钟） | 通常自备晶振（外接独立晶振以保证远场唤醒算法精度） | 讯飞专用多麦克风降噪与声源定位芯片，智能家居远场唤醒。 | ✅ 可替代（精度受限）｜多麦降噪/声源定位可软件实现，但远场唤醒精度不及专用芯片 | ||
| 4. 功率放大与驱动 | 音频功率放大器 (PA) | TAS5805M | 数字入（I2S）→ 模拟功率出 | STD (直入) | 必须为 Slave（由主控提供 BCLK 和 WS 数据锁相） | 非必须（支持无 MCLK 模式，内部从 BCLK 自动恢复时钟） | 数字功放。无需前级 DAC，I2S 信号直入，驱动 10W~30W 喇叭。 | ❌ 不可替代｜功率驱动属物理层，必须硬件实现 |
| MAX98357A | 数字入（I2S）→ 模拟功率出 | STD (集成) | 必须为 Slave（由主控提供 BCLK 和 WS 信号） | 不需要（内部三线式 I2S 自动同步） | 内置 DAC 的小功率功放。直入 I2S 驱动 3.2W（4Ω）喇叭，物联网小音箱首选。 | ❌ 不可替代｜喇叭驱动能力无法由软件替代，仅其内置 DAC 部分可由 PWM 方案替代 | ||
| TPA3113D2 | 模拟入 → 模拟功率出 | 模拟差分输入 | 无数字音频接口，无需 I2S 时钟配置 | 完全不需要 | 6W 双通道无滤波 Class-D 功放，效率高达 87%，内置 SpeakerGuard 喇叭保护电路，无需额外散热片，广泛用于桌面音箱、电视音频系统。 | ❌ 不可替代｜纯模拟功放，功率输出层无软件等价方案 | ||
| 5. 声音输出端（电→声换能） | 扬声器 / 喇叭（动圈式） | 4Ω 3W 微型全频喇叭（直径约 40mm） | 模拟功率入 → 声波出 | 不适用（接功放输出，无 I2S） | 无时钟概念（受功放驱动） | 不需要 | 最通用的发声终端；与 MAX98357A 搭配时，VDD=5V、RL=4Ω 下典型输出 3.2W，匹配度最佳。频响一般 300Hz~8kHz，足以覆盖语音播报。单价约 ¥5~15。典型：AI 音箱、对讲机、智能玩具。 | ❌ 完全不可替代｜电→声换能属物理层，软件无法发声 |
| 8Ω 3W / 8Ω 1W 内磁喇叭 | 模拟功率入 → 声波出 | 不适用 | 无时钟概念 | 不需要 | 8Ω 阻抗对功放要求低，D 类功放可直驱；适合语音清晰度优先场景。8Ω1W 超薄款（约 35×20×3.5mm）适合笔记本、门铃、中控面板等狭小空间。 | ❌ 完全不可替代｜同上 | ||
| 腔体喇叭（BOX 方案） | 33mm 腔体喇叭（8Ω 2W）等 | 模拟功率入 → 声波出 | 不适用 | 无时钟概念 | 不需要 | 智能音箱标配：自带密封后腔，低频比同尺寸裸喇叭增益 2~3dB（密封后前后声波不再抵消），批次一致性好。典型参数：阻抗 8Ω、额定 2W（最大 3W）、F0≈445Hz、灵敏度 93±3dB、失真 5%Max。综合成本约 ¥8~15。 | ❌ 完全不可替代｜换能与后腔声学为物理结构，不可软化 | |
| 蜂鸣器（提示音器件） | 电磁式蜂鸣器 | PWM/交变电平驱动 → 声波出 | 不适用 | 无时钟概念 | 不需要 | 500Hz3kHz、1.512V、工作电流 20~50mA、10cm 处 75~85dB；音色低沉柔和。驱动需加三极管/MOSFET + 续流二极管（关断瞬间反电动势可达 24V）。单价 ¥0.1~0.3。典型：家电提示音、门锁交互音。 | ❌ 换能不可替代｜⚠️ 提示音"有无"可直接用 PWM 直驱，无需专用驱动 IC | |
| 压电式蜂鸣器 | 高压交变驱动 → 声波出 | 不适用 | 无时钟概念 | 不需要 | 2kHz20kHz、3220V、电流 <5mA、10cm 处 85~100dB；音色尖锐清脆、全固态耐冲击、可做到直径 6mm 超薄。需升压/谐振驱动。单价 ¥0.2~0.5。典型：报警器、车载倒车提示。 | ❌ 换能不可替代｜同上 | ||
| MEMS 扬声器（固态） | xMEMS Sycamore 等硅基扬声器 | 模拟/数字入 → 声波出（固态 piezoMEMS） | 不适用（多为专用驱动，非标准 I2S） | 无传统时钟概念 | 不需要 | 新兴品类：厚度仅 1.28mm、重约 150mg，比传统动圈扬声器轻约 90%，全频段高保真、无磁干扰。适合超薄 AI 眼镜、开放式耳塞、耳机、助听器。当前低频下潜与成本仍是普及瓶颈。 | ❌ 换能不可替代｜仅其配套的声场校正/补偿算法可软件实现 |
音频外设接口速查表
| 音频接口类型 | 核心信号引脚 | ESP32通用推荐GPIO分配 | ESP-IDF驱动头文件 | 关键适配要点 | 典型音频场景 |
|---|---|---|---|---|---|
| PDM 采集（RX） | PDM_CLK、PDM_DIN0 | CLK=GPIO5，DIN0=GPIO19，DIN1=GPIO18（双麦） | driver/i2s_pdm.h | 仅I2S0支持PDM模式，16bit固定位宽，最高支持6MHz时钟输出，单CLK线可挂载2路麦克风 | MEMS麦克风阵列采集，INMP441/MP23DB01HP直连 |
| PDM 播放（TX） | PDM_CLK、PDM_DOUT0 | CLK=GPIO5，DOUT0=GPIO18，DOUT1=GPIO17（双声道） | driver/i2s_pdm.h | 支持固定时钟/固定过采样率两种模式，硬件自动完成PCM转PDM编码，无需软件插值 | 直接驱动PDM输入型数字功放 |
| TDM 多通道音频 | MCLK、BCLK、WS、DIN/DOUT | MCLK=GPIO0，BCLK=GPIO21，WS=GPIO22，DOUT=GPIO23，DIN=GPIO19 | driver/i2s_std.h | 单I2S总线最多传输8~16路音频，必须严格配置时隙偏移避免通道串音，MCLK仅能从一个通道输出 | 4路以上麦克风同步采集，AC108多通道ADC驱动 |
| 标准I2S（STD） | MCLK、BCLK、WS、DIN/DOUT | MCLK=GPIO0，BCLK=GPIO26，WS=GPIO22，DOUT=GPIO22，DIN=GPIO23 | driver/i2s_std.h | 支持Master/Slave模式切换，内置DMA自动搬运音频数据，CPU零拷贝 | 驱动ES8388/WM8960等通用Codec芯片 |
| S/PDIF 数字音频 | S/PDIF_TX | GPIO23（硬件PWM模拟） | driver/ledc.h + 自定义BMC编码 | 无需专用硬件外设，用LEDC定时器模拟S/PDIF BMC编码时序，直接输出同轴/光纤信号 | HIFI无损音频输出，直连专业数字功放 |
| USB Audio | USB_DP、USB_DM | GPIO19（DP）、GPIO20（DM）（仅ESP32-S3/S2支持） | tinyusb.h + usb_device_uac.h | 符合USB Audio 1.0标准，免驱直连电脑/手机，最高支持48kHz立体声录放 | 自制USB声卡、USB麦克风设备 |
| SPI 音频传输 | SCK、MOSI、MISO、CS | SCK=GPIO18，MOSI=GPIO23，MISO=GPIO19，CS=GPIO5 | driver/spi_master.h | 最高速率可达40Mbps，支持DMA批量传输音频数据流 | 驱动VS1011E硬件MP3解码芯片、外挂SPI Flash存储音效文件 |
| UART/RS485 音频透传 | UART_TX、UART_RX | UART1: TX=GPIO17，RX=GPIO16；UART2: TX=GPIO14，RX=GPIO27 | driver/uart.h | 开启硬件流控避免帧丢失，1Mbps波特率可稳定传输16kHz OPUS压缩音频 | 工业对讲、公共广播音频远距离透传 |
| 内置DAC 直出 | DAC1、DAC2 | GPIO25（DAC1）、GPIO26（DAC2） | driver/dac.h | I2S0可直接路由音频数据到内置DAC，无需外部Codec，输出模拟音频信号 | 低成本提示音播放，省去独立DAC芯片 |
注意事项
- PDM是一套完全独立的数字音频接口标准，并非I2S的附属工作模式，二者底层数据编码逻辑、物理接口定义完全不同，只是现代嵌入式SoC常把PDM硬件控制器集成在I2S外设模块中，才容易让人产生"PDM属于I2S模式"的误解。主流嵌入式芯片（比如ESP32、STM32）为了减少硬件外设数量，会把独立的PDM编解码硬件单元直接集成在I2S控制器模块内部，对外提供统一的驱动接口。比如ESP-IDF中专门提供了driver/i2s_pdm.h驱动头文件，通过I2S外设的寄存器配置就能切换到PDM模式，这只是硬件资源的复用，并不代表PDM在协议层面属于I2S的子集。
- PCM 不是一种接口，是一种编码格式：
| 名字 | 属于哪一层 | 一句话本质 | 数据形态 | 典型搭档 |
|---|---|---|---|---|
| PCM | 编码格式 | 采样+量化+编码，数字音频的通用格式 | 多bit（16/24/32bit） | 几乎所有链路 |
| PDM | 即是编码格式，也是接口定义 | 用脉冲密度表示幅度 | 1bit 高速流 | MEMS 麦克风 |
| I2S | 接口协议 | 立体声串行总线 | 承载 PCM，2 通道 | Codec/DAC/功放 |
| TDM | 接口协议 | I2S 的多通道时分复用 | 承载 PCM，4/8/16 通道 | 多麦阵列/车载 |
一个典型语音设备，这些术语是这样接力协作的：
数字麦克风(原生PDM)
│ 经【PDM接口】接收 + 抽取滤波
▼
PCM 数据（通用格式）
│ 经【I2S 或 TDM 接口】传输
▼
Codec / DAC / 功放 → 喇叭（感谢收藏与关注）