ESP-VoCat-S31 喵伴：视觉与蓝牙音频的 AI 萌宠

ESP-VoCat-S31 喵伴：视觉与蓝牙音频的 AI 萌宠

项目介绍

ESP-VoCat-S31 是基于 ESP-VoCat 喵伴 项目的 ESP32-S31 升级版本。原项目是一款面向语音交互、AI 萌宠、智能音箱和智能中控场景的开发套件，具备离线语音唤醒、双麦拾音、圆形触摸屏显示、音频播放、姿态感知以及旋转底座联动等能力。

本版本主要针对 CoreBoard 主控板 进行重绘升级，将原 ESP32-S3 主控替换为 ESP32-S31-WROOM-1，并在 S31 CoreBoard 上新增一颗 SC101IOT DVP 摄像头。复刻时，ESP-VoCat 的 BaseBoard 和 MicBoard 仍然沿用原 S3 版本板子，只需要把原 S3 版本 CoreBoard 替换为本项目对应的 ESP-VoCat-S31 CoreBoard。

项目特点

• 主控升级为 ESP32-S31-WROOM-1，延续 ESP-VoCat 的语音交互和屏幕交互设计。
• CoreBoard 重新绘制，保留原项目的主要连接器、接口和功能分区，硬件上保留了 1.85 寸圆形触摸屏、双麦克风、功放扬声器、IMU、SD 卡及旋转底座 UART 通信等硬件资源。
• 相比原 S3 版本，S31 CoreBoard 新增 SC101IOT DVP 摄像头，可用于后续多模态视觉能力扩展。
• 兼容原 ESP-VoCat 的 BaseBoard、MicBoard、屏幕、扬声器、电池、触摸按键和外壳装配方式。
• 适合作为 ESP-VoCat 原项目的 S31 主控升级验证板，也适合作为语音 AI 交互硬件开发参考。

功能展示

ESP-VoCat-S31 在延续原 ESP-VoCat 语音交互、表情显示和旋转底座玩法的基础上，利用 ESP32-S31 新增的蓝牙音频、更多 GPIO、DVP 摄像头、硬件 JPEG 编解码、PPA 图像处理加速以及更高的 PSRAM 带宽，扩展了蓝牙音箱、视觉识别、视频推流和高帧率显示等能力。

蓝牙音箱

ESP32-S31 新增经典蓝牙与 BLE Audio 能力，喵伴可以像普通蓝牙音箱一样连接手机播放音乐。S31 还支持将蓝牙音频流与音频时钟同步，降低软件补偿和同步处理开销。

LE Audio / Auracast 广播音频

ESP-VoCat-S31 支持 LE Audio 广播音频能力，可作为 Auracast 广播源向周围设备发送音频，也可以与其他支持 BLE Audio 的设备组成更灵活的音频播放场景。

SC101IOT DVP 摄像头

相比原 S3 版本，S31 版本新增 SC101IOT DVP 摄像头。得益于 S31 更充足的 GPIO 资源，喵伴在保留屏幕、音频、触摸、IMU、SD 卡和底座通信等外设的同时，仍可接入 DVP 摄像头，为视觉识别和多模态交互提供硬件基础。

Wi-Fi 6 视频推流

S31 摄像头采集图像后，可结合硬件 JPEG 编码能力，通过 Wi-Fi 6 上传图像或进行视频推流。相比纯软件编码方案，硬件编码能降低 CPU 占用，并提升实时画面传输效率。

离线手势识别

借助摄像头输入、更高的主频和更快的 PSRAM 带宽，ESP-VoCat-S31 可以运行本地视觉识别模型，实现离线手势识别等端侧 AI 交互能力。

OpenCV 颜色识别

ESP32-S31 主频提升到 320 MHz，并加入图像处理相关硬件能力，运行传统视觉算法时响应更快。喵伴可基于 OpenCV 完成颜色识别等轻量视觉任务。

YOLO11 物体识别

S31 的 PSRAM 带宽提升后，本地模型加载和推理效率更高，可用于 YOLO11 物体识别等更复杂的视觉 AI 场景。

高帧率刷屏

ESP32-S31 支持硬件 JPEG 编解码、PPA 像素处理加速器和 2D-DMA，可加速图像缩放、旋转、镜像、颜色格式转换和数据搬运。用于喵伴圆形屏显示时，可获得更流畅的动画和更高的刷图性能。

复刻指南

复刻说明

本项目不是完整重新设计 ESP-VoCat 三块板，而是对原项目 CoreBoard 的 S31 版本重绘。复刻时请按以下原则准备：

• 需要替换：CoreBoard，使用本项目开源的 S31 CoreBoard 及 3D 打印外壳（本体 + 摄像头外壳）。
• 继续沿用：原 ESP-VoCat S3 版本的 BaseBoard、MicBoard、外壳、屏幕、扬声器、电池、触摸 FPC 软排线、旋转底座等结构件和外设。
• 新增：SC101IOT DVP 摄像头

如果已经复刻过原 ESP-VoCat，本版本的核心变化就是将 S3 CoreBoard 拆下，替换为 S31 CoreBoard。其余装配流程基本保持一致。

准备材料

• ESP-VoCat-S31 CoreBoard PCB
• ESP32-S31-WROOM-1 模组
• ESP-VoCat-S31 CoreBoard 所需的电源、音频、IMU、连接器、阻容和 MOS 器件
• 原 S3 版本的 BaseBoard 和 MicBoard，及其他部件
• SC101IOT DVP 摄像头

CoreBoard 投板与焊接注意事项

1. 按 S31 CoreBoard PCB 文件投板，板厚、连接器高度和结构限位应与原 ESP-VoCat CoreBoard 保持一致，避免外壳、屏幕和板对板连接器装配干涉。
2. 焊接 ESP32-S31-WROOM-1 时注意模组方向、天线净空和底部焊盘可靠性。
3. LCD、MicBoard、Camera 等 FPC 连接器方向必须与原结构匹配，避免排线反插或装配后折弯方向错误。
4. 两个板对板连接器需要与原 BaseBoard 位置严格对齐，否则会影响 CoreBoard 与 BaseBoard 的插合。
5. 音频、IMU、Camera 和电源部分建议完成焊接后分模块检查短路，再进行整板上电。
6. 首次上电建议使用限流电源或带电流显示的 USB 供电设备，确认无异常发热后再连接电池和外设。

装配流程

本体装配

本体三个 PCB 板、喇叭、电池、触摸 FPC 排线等的装配流程与原 S3 版本基本一致，只需将 CoreBoard 替换为本项目开源的版本即可。

摄像头装配

• 将买到的摄像头两侧固定耳剪掉！ 如下图所示：

• 将修剪之后的摄像头按照下图所示方向插入摄像头外壳中，并将其安装到位。

• 将摄像头限位器插入摄像头外壳，顶住摄像头，以防止摄像头松动。

• 将摄像头结构件卡入本体对应的卡槽，将摄像头排线插入 CoreBoard 摄像头排线座中。

安装完成整体效果如下：

固件下载与测试

• 将装配好的 ESP-VoCat-S31 使用 USB 数据线连接电脑，烧录附件中的固件：esp_vocat_s31_xiaozhi_v012.bin。

> 建议先下载固件测试屏幕、摄像头等功能正常后再装配外壳！

附件固件为小智版固件，主要支持以下功能：

• 小智 AI 对话：通过语音与小智 AI 进行自然对话，体验语音助手和 AI 陪伴功能。
• 拍照上传与画面分析：可通过语音指令让小智调用摄像头拍照，并上传图像进行画面理解与分析。
• 蓝牙音箱播放：手机可通过蓝牙连接 ESP-VoCat-S31，将其作为蓝牙音箱播放音乐或其他音频内容。

硬件设计说明

除音频和 Camera 部分，其他均与原 S3 版本一致，故此处只对音频和 Camera 部分进行说明。

音频设计

音频部分将 Codec 替换为 ES8389，与之前 ES8311 + ES7210 的方案相比，成本更低，封装更小、外围电路更少、支持双喇叭。

ES8389 负责音频采集与播放，连接主控的 I2S 和 I2C 控制信号：

• ES_I2C_SCL / ES_I2C_SDA：Codec 控制 I2C。
• ES_SCLK：I2S 位时钟。
• ES_DLRCK：I2S 左右声道时钟。
• ES_DSDIN：主控到 Codec 的播放数据。
• ES_ASDOUT：Codec 到主控的采集数据。
• ES_MCLK：音频主时钟。

Camera 接口

S31 版本相比原 S3 版本新增 SC101IOT DVP 摄像头。CoreBoard 提供 DVP Camera FPC 接口，包含摄像头时钟、同步、数据、I2C 和控制信号，可为后续视觉识别和多模态交互提供硬件基础。

主要信号包括：

• CAM_I2C_SCL / CAM_I2C_SDA：摄像头配置 I2C。
• XMCLK：摄像头主时钟。
• DVP_PCLK：像素时钟。
• DVP_VSYNC：场同步信号。
• DVP_HREF：行同步信号。
• DVP_Y2 至 DVP_Y9：DVP 并行数据线。
• CAM_RESET：摄像头复位，低电平复位，高电平正常工作。
• CAM_PWDN：摄像头掉电控制，低电平正常，高电平休眠。
• CAM_EN：摄像头电源或使能控制。

SC101IOT 摄像头相关电源包含 3.3 V、2.8 V 和 1.5 V 电源域，调试时应先确认电源和复位/掉电控制时序，再连接或启用摄像头模组。

额外物料清单

• SC101IOT DVP 摄像头（无畸变68度思特微 SC101IoT摄像头100万像素）

附件列表

• esp_vocat_s31_xiaozhi_v012.bin：S31 版本喵伴-小智版固件
• ESP-VoCat-S31 本体 3D 模型.zip：本体 3D 外壳结构文件