توسعه برنامه های صوتی با فریمورک ESP-ADF و بردهای توسعه ESP-32

فریمورک توسعه سیستم های صوتی ESP-ADF فریمورک رسمی Espressif برای SoC های ESP32 و ESP32-S2 است.

فریمورک ESP-ADF از توسعه برنامه های صوتی برای SoC های Espressif Systems به طور جامع پشتیبانی می کند. با ESP-ADF، می توانید به راحتی امکاناتی را اضافه کنید و برنامه های صوتی را از ساده به پیچیده توسعه دهید:

ضبط یا پخش موسیقی از فرمت های صوتی MP3 ، AAC ، FLAC ، WAV ، OGG ، OPUS ، AMR ، TS ، EQ ، Downmixer ، Sonic ، ALC ، G.711 و غیره را پشتیبانی می کند.
پخش موسیقی از منابع: HTTP ، HLS (پخش مستقیم HTTP) ، SPIFFS ، SDCARD ، A2DP-Source ، A2DP-Sink ، HFP و غیره.
ترکیب خدمات رسانه ای مانند: DLNA ، VoIP و غیره
رادیو اینترنتی
تشخیص صدا و ترکیب آن با خدمات آنلاین مانند Alexa ، DuerOS و غیره

به طور کلی، ویژگی های ESP-ADF مطابق شکل زیر پشتیبانی می شود:

توسعه با فریمورک ESP-ADF

شما به یکی از نسخه های ESP-IDF که در ESP-ADF Releases شرح داده شده است، نیاز دارید و همچنین انتخاب یکی از بردهای توسعه صوتی و هدفون.

توجه: اگر این اولین تجربه شما از ESP-IDF است، به داکیومنت های شروع به کار ویژه SoC های ESP32 یا ESP32-S2 بروید.

سخت افزار توسعه سیستم صوتی

Espressif Systems تعدادی برد برای ESP-ADF جهت توسعه برنامه های صوتی منتشر کرده است، که در ادامه به آنها اشاره می کنیم:

ESP32-LyraT: برد توسعه open-source، که از ADF Espressif Systems پشتیبانی می کند و دارای voice wake-up، یک دکمه wake-up و یک پخش کننده صوتی است. طراحی شده برای بلندگوهای هوشمند و برنامه های کاربردی خانه هوشمند.

ESP32-LyraTD-MSC: طراحی شده برای بلندگوهای هوشمند و برنامه های هوش مصنوعی. پشتیبانی از لغو اکو آکوستیک (AEC)، تشخیص خودکار گفتار (ASR) ، وقفه Wake-up و تعامل صوتی.

ESP32-LyraT-Mini: برد توسعه open-source مونو. برای بلندگوهای هوشمند متصل و برنامه های صوتی خانه هوشمند طراحی شده است.

ESP32-S2-Kaluga-1: کیت چند رسانه ای ESP32-S2-Kaluga-1 مبتنی بر ESP32-S2 است و دارای امکانات اضافی از جمله برد صوتی ESP-LyraT-8311A (در زیر) و همچنین دوربین، LCD و صفحه لمسی است.

ESP32-Korvo-DU1906: برد توسعه صوتی Espressif است که هسته آن ماژول ESP32-DU1906 است و از Wi-Fi ، بلوتوث ، Bluetooth Low RF و عملکردهای پردازش سیگنال صدا/گفتار استفاده می کند.