ai小智

三万棵雪松

【AI小智硬件程序（九）】这里主要是整理整个代码框架，比如琐碎看视频比较清楚，这里就放关键步骤。旧功能代码：删除录音相关的旧代码（包括对应的 2 个文件）。依赖项：删除旧功能对应的组件依赖、头文件依赖。配置项：在simic list中删除音频相关的配置项。函数参数 / 调用：删除函数中传入的文件指针、音频指针，以及旧的调用逻辑。冗余代码：注释 / 删除旧的运行逻辑、测试代码。

三万棵雪松

【AI小智硬件程序(八)】我们已经完成了音频抽象的部分，现在开始实现板子抽象的部分。board.hboard.c本质上是在实现一个基于单例模式和工厂模式的开发板抽象层，为不同硬件的开发板提供统一的接口，同时保证整个程序中只有一个开发板实例。

三万棵雪松

【AI小智硬件程序（四）】1.核心芯片 ES7210：乐鑫官方推荐的 ADC 芯片，支持 I²C 配置寄存器、I²S 接口读取音频数据，最多支持 4 路麦克风，本项目使用 2 路（含 1 路回声消除）。模拟麦克风：输出模拟音频信号，由 ES7210 完成模数转换。 ESP32：通过 I²C 配置 ES7210 参数，通过 I²S 接收音频数据，再将数据写入 SD 卡。 2.通信接口原理

三万棵雪松

【AI小智后端部分（五）】链接: B站Uputil 为所有模块提供基础支撑 → llm 生成文本回复 → tts 把文本转 OPUS 音频（依赖audio_format） → audio_format 处理 OPUS 格式存储 / 读取 → asr 把 OPUS 音频转回文本（依赖audio_format）

三万棵雪松

【AI小智后端部分（三）】以下代码包含了编码，保存，加载，解码等，解码部分为opus_to_wav_filePS: 两组save和load xxx_custom系列：通用、跨语言、推荐生产环境用，手动定义字节格式，适合数据交互 / 长期存储；非xxx_custom系列：Python 专属、快捷、仅调试 / 纯 Python 场景用，依赖 pickle 序列化，不通用；

三万棵雪松

【AI小智后端部分（二）】将 MP3/WAV 格式的音频，转换为 Opus 格式的压缩音频数据，并输出给 ESP32S3 设备使用 1.输入音频解析：将 MP3（分帧 + 压缩音频）或 WAV（头部元数据 + 无损 PCM）解析为原始音频数据。 2.统一转 PCM：通过 pydub 库（底层依赖 ffmpeg）将输入音频转为指定参数（单声道、采样率、位宽）的纯 PCM 数据。 3.PCM 切片处理：把纯 PCM 切成固定帧，尾部不足一帧则补 0。 4.Opus 编码：用 NumPy 将每帧 PCM 转数组，再通过 libopus

三万棵雪松

【AI小智后端部分（一）】1、申请 API keyhttps://open.bigmodel.cn/usercenter/apiproKey (ChatGLM) 注册前请自己建立 apiKey 如: 2d3f2a9c485844b2dc6b74f0c3da9dde.0887Vm8oP4Xdt5（这个是我的要用自己的） 2、在 anaconda 的 ai-server 的虚拟环境中安装 openai 库依赖

我是有底线的