语音模块固件配置方法

Tutorial: 卓越工程师 Category: 嵌入式 Published: 2026-10-23 11:05:29 Views: 1 Likes: 0 Comments: 0

282.8语音模块固件配置方法

本节在“智能公元”网页平台中配置并发布 SU-03T 固件，没有新建或修改 STM32/K210 业务源码，因此标题下不添加源码代码块。课程压缩包中的 jx_uart_send.c/.h 是平台生成的主机端串口发送模板，并未在视频中编写，也没有被当前 STM32 工程调用；下文只用它和平台工程 JSON 核对协议。

一、语音模块配置方法

本节的目标不是让 SU-03T 通过麦克风控制门锁，而是把它配置成一个由 STM32 串口触发的语音播报器。模块收到指定的 5 字节帧后，分别播放“人脸录入成功”“人脸识别成功”“人脸删除成功”和“温度异常”。

课程资料中的最终平台工程为：

  • 工程文件：语音模块固件/jx_firm/王锋人脸门锁_20231121002.json；
  • 模组：SU-03T；
  • 最终版本：20231121002；
  • 固件：语音模块固件/jx_firm/jx_su_03t_release_update.bin；
  • 运行方式：纯离线，串口触发播放预先生成到固件中的语音。

这里的“纯离线”是指固件烧入后，识别与播报不依赖云端网络；创建产品、云端生成 SDK/固件和下载文件仍然需要联网。

1.1 语音模块官网访问

课程思维导图中的“语音模块配置官网”链接是智能公元零代码平台：

https://smartpi.cn/

视频通过右上角入口和微信扫码登录。平台界面、登录方式和菜单名称可能随版本更新，应以当前官网为准；不要从搜索广告或非官方镜像输入账号、扫码或下载固件。

基本流程为：

  1. 打开官方平台并登录；
  2. 进入“所有产品”或“创建产品”；
  3. 新建产品并选择场景、模组和语言；
  4. 配置引脚、串口输入触发、控制动作和语音；
  5. 执行配置检查；
  6. 发布版本，等待平台生成并下载 SDK/固件包。

课程 JSON 中含有平台项目标识、下载地址以及鉴权字段。分享工程文件前应删除或替换敏感字段，不要把完整 JSON 直接提交到公开仓库；若凭据已经公开，应在平台侧重新生成或停用。

1.2 产品类型选择

视频选择“智能门禁”作为产品类型，也说明可以选 RGB 灯等其他分类。在本课程中，产品类型主要用于平台项目的分类和模板入口；但不同平台版本可能根据类型提供不同默认行为，不能一概断言它永远不影响配置。

真正决定本项目技术路径的选项是：

  • 应用场景选择“纯离线方案”；
  • 模组选择 SU-03T；
  • 产品语言选择中文；
  • 串口输入行为和播报动作按本项目协议配置。

1.3 纯离线方案选择

选择纯离线方案后，再从可用模组中选择 SU-03T。课程最终 JSON 明确记录 _module_name_ 为 SU-03T，不能把相近的 SU-11T、SU-13T 或其他平台模组当作完全相同的目标。

课程将产品命名为“王锋人脸门锁”。产品名称只是平台项目标识；STM32 发送给模块的是二进制消息帧，不会在串口中传输这个中文产品名。

1.4 产品信息配置

课程选择中文语言。语言选项影响语音识别模型、唤醒词和文本转语音资源，必须在生成固件前确定；它不是烧录完成后由 STM32 串口临时切换的参数。

保存产品信息后进入详细配置。平台可能先填入一套默认唤醒词、命令词、引脚和回复，不能因为页面已有内容就认为符合当前门禁协议，仍应逐项核对。

1.5 前端信号处理配置

SU-03T 是单麦模组，课程不能勾选双麦配置。课程最终 JSON 中的信号配置为：

配置项最终保存值说明
麦克风数量1单麦
拾音场景near平台近场选项；不应机械等同于固定的实际距离
降噪0最终归档配置未启用该选项

视频建议在嘈杂环境使用稳态降噪，但也说明当前项目没有接入麦克风，所以这一设置不影响四条串口触发播报。是否启用降噪应根据模组能力、噪声类型和实测识别率决定，不是任何场景都必须打开。

页面显示的“0～1 米”“1～5 米”等档位是算法场景选择或参考范围，不是对所有声源、咪头、外壳和噪声条件都成立的保证。当前项目只用 UART 输入，距离和唤醒灵敏度不是主链路参数。

1.6 引脚配置方法

原稿把模块引脚写成“PP6、PP7”或“PB6、PB7”，容易与 STM32 的 PB6/PB7 混淆。这里指的是 SU-03T 模组的 B6、B7：

SU-03T 引脚平台功能JSON 中的物理序号本项目用途
B6UART1_RX7接收 STM32 发来的语音触发帧
B7UART1_TX8UART 发送端；当前业务没有使用

串口参数为：

参数配置值
波特率115200 bit/s
数据位8
停止位1
校验无
接收帧头AA 55
接收帧尾55 AA

帧头和帧尾均为 2 字节，不是原稿所说的单字节 0x55。无参数消息的完整格式为：

AA 55 消息编号 55 AA

课程生成包的说明文件还规定：若消息带参数，参数位于消息编号与帧尾之间；整数占 4 字节、双精度小数占 8 字节、字符占 1 字节，多字节数据按低位到高位发送。本项目的四条消息都没有参数，所以每帧固定为 5 字节。

整机接线不是 SU-03T B6 接 STM32 PB6。本项目应为：

STM32F103ZESU-03T作用
PB10 / USART3_TXB6 / UART1_RXSTM32 向语音模块发送命令
GNDGND必须提供共同电位参考

SU-03T 的 B7/UART1_TX 在当前单向播报业务中可以不接。STM32 的 PB6/PB7 已用于 OLED 与 GY-906 总线，与这里不是同一组信号。

1.7 唤醒词自定义

平台允许按规则修改唤醒词。视频临时演示了“你好小爱”，并触发了对重复、相近发音的提示；这类提示是为了提高离线识别区分度，不应简单写成“任何叠词都绝对禁止”。选词时应遵循页面给出的字数、发音和重复度检查结果，并在目标噪声环境中实测。

课程最终 JSON 保存的唤醒词实际是“哆啦咪”，没有唤醒回复；并非视频演示输入的“你好小爱”。这再次说明操作演示中的临时值不一定就是发布版本的最终值。

当前整机没有连接或使用麦克风，正常业务完全由 UART1_RX 触发。保留唤醒词是平台项目的基础配置，不表示门锁运行时必须先说唤醒词才能接收串口帧。

1.8 命令词配置

四个门禁行为都应把触发方式设为“串口输入”，而不是语音命令词：

  • LoginSucc：人脸录入成功；
  • FindSucc：人脸识别成功；
  • DelSucc：人脸删除成功；
  • TempErr：温度异常。

视频删除默认命令词后，平台配置检查提示命令词不能为空。这不是说四个 UART 行为还必须用麦克风触发，而是项目中仍存在一个“命令词”类型的占位项，不能为空。课程最终 JSON 使用“空白占用”作为该占位命令词，动作是 NULL，四个实际业务行为仍全部由 uart_in 触发。

因此，“至少保留一个命令词”是当前平台配置校验和该工程模板的约束，不应误解为串口收到帧后还要同时识别一句语音。

1.9 控制详情设置

每个行为的控制详情包含两部分：

  1. 触发条件：选择 UART1_RX，填写消息编号；
  2. 控制动作：选择播放语音，填写对应文本。

最终工程的准确映射如下：

平台行为UART 端口消息编号播放文本是否延迟
LoginSuccUART1_RX01人脸录入成功否
FindSuccUART1_RX02人脸识别成功否
DelSuccUART1_RX03人脸删除成功否
TempErrUART1_RX04温度异常否

平台也允许把动作配置成 GPIO 输出或延迟执行，但本项目四个动作都只是立即播放一次语音，JSON 中 is_delayed 为 0。STM32 上一节使用系统 tick 做的 5 秒门控，与语音平台的“延迟输出”不是同一种机制。

1.10 语音播报内容设置

四条完整串口帧如下：

STM32 → SU-03T模块动作
AA 55 01 55 AA播放“人脸录入成功”
AA 55 02 55 AA播放“人脸识别成功”
AA 55 03 55 AA播放“人脸删除成功”
AA 55 04 55 AA播放“温度异常”

必须使用十六进制原始字节发送。若串口助手以文本模式发送字符 AA 55 01 55 AA，线上出现的是字符 A、空格、数字等 ASCII 字节，模块不会把它当作上述 5 字节协议帧。

原稿将“串口二接收 K210、串口三输出”与 SU-03T 平台中的“串口一”混在了一起。准确链路是：

K210 UART2 → STM32 USART2 → STM32 解析事件 → STM32 USART3/PB10 → SU-03T UART1_RX/B6 → 播放语音

三处“UART2/USART2、USART3、UART1”属于不同芯片上的外设编号，编号没有必要相同，只要物理接线、方向和通信参数匹配即可。

课程生成包中的 jx_uart_send.c/.h 为四个动作生成了 _uart_LoginSucc()、_uart_FindSucc()、_uart_DelSucc()、_uart_TempErr() 封装，但底层 _uart_send_impl() 仍是 TODO，不会自动连接到 STM32 UART。当前课程的 STM32 工程没有使用这些函数，而是在各分支中直接用 rt_device_write() 发送 5 字节数组，因此不能把生成模板误写成已参与运行的业务源码。

还要区分“固件支持”和“整机已调用”：SU-03T 固件已经配置 04 的温度异常语音，但第 281 节 STM32 最终源码只用蜂鸣器报警，没有发送 AA 55 04 55 AA，所以当前整机不会触发这条播报。

1.11 灵敏度设置

课程将唤醒词和命令词灵敏度设为“中”。灵敏度越高通常越容易触发，也可能增加误唤醒；越低则可能漏识别，最终应在实际外壳、麦克风和噪声环境中权衡。

“免唤醒词”允许某些命令无需先说唤醒词，但本项目不使用麦克风，所以没有勾选相关业务项。UART 触发本来就不依赖唤醒状态，不需要为了接收串口帧配置免唤醒词。

视频用“你好”演示了命令词回复流程；课程最终工程的占位词是“空白占用”，且没有控制动作或回复。这部分只为通过平台配置校验，不属于门禁功能。

1.12 发音人配置

最终 JSON 保存的语音参数为：

项目最终值
发音人糖糖
音量50
语速50
音色亮度50
开机播报关闭（none）
唤醒退出时间10 秒
超时/主动退出回复未配置

视频所说“可以设为 60 秒”只是可选示例，课程归档最终值是 10 秒。由于项目不使用麦克风唤醒，退出时间和退出回复不会影响 UART 触发的四条播报。

平台支持把文本合成为语音，也可按平台限制导入个性化音频。导入 MP3 前应核对文件格式、大小、采样要求和使用授权；“平台允许上传”不等于任何音频都可合法用于发布。

1.13 优化配置

课程没有使用优化配置，最终 JSON 中 optimize_config 为空数组。该区域面向更复杂的算法或二次开发需求；没有明确目标时不应随意修改，以免生成的固件行为与当前串口协议不一致。

“二次开发”也不等于网页配置：网页平台用于生成固件和动作逻辑，真正修改底层 SDK、驱动或算法则需要相应开发资料、工具链和许可。

1.14 配置检查

发布前应执行平台的“查看配置”或配置检查。视频第一次失败的原因是仍存在命令词触发项，但内容为空。补上一个占位命令词后，检查通过。

完整检查清单如下：

  • 模组确为 SU-03T，语言为中文；
  • 单麦配置与硬件一致；
  • B6/B7 被配置为 UART1_RX/UART1_TX；
  • 波特率为 115200，数据格式为 8N1、无校验；
  • 帧头为 AA 55，帧尾为 55 AA；
  • 01～04 各自只对应一个预期动作和正确文本；
  • 串口行为选的是 UART1_RX；
  • 不需要的延迟、GPIO 动作、开机播报和退出回复已经关闭；
  • 必填的唤醒词/占位命令词满足平台校验；
  • 保存后重新打开或导出 JSON，确认配置没有只停留在未保存的页面状态。

配置检查通过只证明平台字段满足生成规则，不证明 STM32 接线、波特率、语音模块供电、扬声器和固件烧录都正确。生成后仍需逐帧测试。

1.15 版本发布

版本描述可以自定义，视频举例“1.0 版本”；课程最终 JSON 的版本号实际为 20231121002，版本描述为空。点击发布后由平台生成 SDK/固件，视频中约需 10 分钟，但实际耗时取决于排队、网络和平台状态，应以页面或公众号通知为准。

下载包中要区分不同用途的固件：

文件用途
jx_su_03t_release_update.binSU-03T 串口升级固件，本课程用蜂鸟串口升级工具烧录
jx_su_03t_release.bin专用烧录器版本，只能配合相应烧录器
王锋人脸门锁_20231121002.json平台工程配置，用于核对或继续编辑，不是直接烧入的固件
uart/jx_uart_send.c/.h主机端协议封装模板，必须自行实现底层发送函数才会真正发数据

课程资料实际只提供 SU-03T 的 _release_update.bin，正好对应第 276 节使用串口升级工具的流程。烧录前应确认文件来自课程包或官方平台、释放被占用的 COM 口、按工具要求连接 B6/B7/GND 并使用稳定电源；不要只靠修改文件名在两种固件格式之间转换。

固件发布与整机验证的闭环是：

  1. 平台配置检查通过并生成版本；
  2. 下载并保存 JSON 与固件，记录版本号；
  3. 用正确方式把 _release_update.bin 烧入 SU-03T；
  4. 先用串口工具以 115200、8N1、HEX 模式逐条测试 01～04；
  5. 再接回 STM32 PB10，验证前三条实际业务帧；
  6. 若要启用温度异常语音，再在 STM32 中增加带状态变化或节拍限流的 04 发送逻辑，避免 100 ms 主循环连续刷屏式发送。

参考资料

Prev: 舵机代码完善 Next: 小车最终实现效果