基于 ESP32-S3 的离线语音唤醒词自定义训练与本地指令控制系统

一、项目概述本项目基于 ESP32-S3 芯片搭建一套完全离线的语音唤醒与本地指令控制系统，支持用户自定义训练唤醒词，识别后通过本地指令集控制外设，无需云端 API，响应延迟低、隐私性强。系统采用 ESP-SR 语音识别框架，结合 I2S 数字麦克风采集音频，在本地完成唤醒词检测与指令识别。二、硬件选型与接线2.1 核心芯片选型模块型号选型理由主控 MCUESP32-S3-WROOM-1-N16R8双核 Xtensa LX7 @240MHz，16MB Flash + 8MB PSRAM，满足语音模型存储与实时运算需求；支持 AI 指令集，硬件加速神经网络推理数字麦克风INMP441（I2S 接口）高信噪比、低功耗，I2S 数字输出无需 ADC，直接对接 ESP32-S3 的 I2S 外设，采样率 16kHz/24bit功放模块MAX98357A（I2S DAC）可选配，用于 TTS 语音反馈，I2S 接口输出，单声道 3W 功放外设执行单元