模组选型：ttps://item.taobao.com/item.htm?ft=t&id=1033585120956&spm=a21dvs.23580594.0.0.4fee2c1bAqCiqc&skuId=6211360130611










ESP-VoCat 喵伴是乐鑫携手火山引擎扣子大模型团队打造的智能 AI 开发套件，适用于玩具、智能音箱、智能中控等需要大模型赋能的语音交互类产品。该设备搭载 ESP32-S3-WROOM-1 模组，1.85 寸 QSPI 圆形触摸屏，双麦阵列，支持离线语音唤醒与声源定位算法。结合火山引擎提供的大模型能力，喵伴可实现全双工语音交互、多模态识别与智能体控制，为开发者打造完整的端侧 AI 应用体验提供坚实基础。

数实融合， 开启 AIoT能源数智化新范式

ESP-VoCat 喵伴是乐鑫携手火山引擎扣子大模型团队打造的智能 AI 开发套件，适用于玩具、智能音箱、智能中控等需要大模型赋能的语音交互类产品。该设备搭载 ESP32-S3-WROOM-1 模组，1.85 寸 QSPI 圆形触摸屏，双麦阵列，支持离线语音唤醒与声源定位算法。结合火山引擎提供的大模型能力，喵伴可实现全双工语音交互、多模态识别与智能体控制，为开发者打造完整的端侧 AI 应用体验提供坚实基础。

喵伴旋转底座是为 ESP-VoCat 喵伴开发套件量身打造的智能旋转底座，采用 ESP32-C61-WROOM-1 模组，支持 USB Type-C 供电，并可通过磁吸接口为 ESP-VoCat 本体供电，实现了高精度步进电机控制、磁吸滑动开关事件检测、 CSI 感知功能、稳定的 UART 通信等核心功能，同时能够根据 ESP-VoCat 的 声源识别结果自动调整方向，实现面向声源的智能旋转，提供更自然、更具沉浸感的人机交互体验。

🐱 ESP-VoCat 喵伴功能介绍

ESP-VoCat 喵伴主控板采用乐鑫 ESP32-S3-WROOM-1-N32R8 模组，支持 2.4 GHz Wi-Fi 和 Bluetooth 5 (LE) 无线连接。

• 存储方面，整机具备 8 MB PSRAM、32 MB Flash 的存储空间，同时还配备了一个可支持高达 32 GB 的 microSD 卡插槽，满足语音交互和多媒体处理需求。

• 显示方面，配备 1.85 英寸圆形触摸屏（360 × 360 分辨率）与 ESP32-S3 原生触摸传感器，提供直观丰富的交互体验。

• 音频方面，EchoEar 内置 2W 扬声器和双麦克风阵列，支持本地语音唤醒和声源定位。电源系统兼容 5V DC 和 3.7V 700mAh 锂电池供电。此外，还集成一个 USB-C 接口支持供电与编程下载，同时预留 Pogopin 接口方便功能拓展。

ESP-VoCat 喵伴套件以端到端开发为核心理念，技术亮点如下：

• 全双工语音交互：用户可以与设备进行连续对话，而不仅仅是单次响应。

• 多模态识别与智能体控制：能够识别用户的多种输入方式，并提供相应的智能响应。

• 情绪识别与动态表情互动：能够识别用户的情绪变化，并通过动态表情进行互动，增强设备的人格化表现。

• 长记忆能力：支持对用户对话内容的持续记录，提供更具陪伴感的个性化体验。

• 离线语音唤醒与声源定位：结合电机控制，实现180°范围内的方向跟踪，使交互更自然。

• 智能家居控制：支持MCP协议与Function Call能力，可用于远程控制家庭设备，作为智能家居系统的本地中枢。

离线语音唤醒与声源定位结合电机控制，可实现 180° 范围内的方向跟踪，使设备交互更自然、更具沉浸感。

长记忆能力支持对用户对话内容的持续记录，实现更具陪伴感的个性化体验。

智能对讲与情绪识别能力可主动识别用户的意图与情绪变化，并通过动态表情互动进行响应，增强设备的人格化表现；

ESP-VoCat 支持 MCP 协议与 Function Call 能力，可用于远程控制家庭设备，作为智能家居系统的本地中枢。

🔥 ESP-VoCat 底座能力

ESP-VoCat 支持声源识别功能，能够实时检测环境中的声音方向和位置。系统通过麦克风阵列采集声音信号，结合声强、相位等信息进行分析，判断声源所在的方位角。配合基于步进电机的超静音旋转底座，可以实现面向声源的智能交互。

好奇环顾，让底座带动喵伴进行左顾右盼，配合小幅度随机偏移，模拟猫咪自然观察环境的行为。

鼓点律动，使 ESP-VoCat 能够根据外界音乐的鼓点节奏左右摆头，营造与音乐同步的互动效果。

温柔蹭手，模拟猫咪轻柔蹭手的动作：底座缓慢扭向左侧再回到中心，循环数次。动作平滑自然，每次停顿都增强了真实的触感和温柔感。

ESP-VoCat 底座通过磁吸式滑动开关实现多种交互控制。滑块的不同位置会改变地磁传感器周围的磁场强度，底座通过实时监测这些磁场变化来识别滑块的动作。当检测到位置变化时，底座会将相应事件通过串口上报给 ESP-VoCat，从而实现丰富、直观的交互体验。

🌟 硬件组装

主要组件	描述
CoreBoard（核心板）
ESP32-S3-WROOM-1-N16R16VA	主控芯片，集成 16 MB Flash 和 16 MB PSRAM，支持 2.4 GHz Wi-Fi 和 Bluetooth 5 (LE) 无线连接。
Battery Connector（电池连接器）	电池连接器，用于连接 3.7 V 锂电池，上为正极，下为负极。
LCD FPC Connector（屏幕连接器）	用于连接 1.85 英寸圆形 LCD 屏幕，分辨率为 360 x 360，详细参数请参考 显示屏规格书。
MicBoard Connector（麦克风连接器）	MicBoard PCB 板连接器，连接双麦克风阵列和状态指示 LED 灯。
Touch Connector（触摸连接器）	触摸连接器，用于连接触摸铜箔，实现触摸交互功能。
Speaker Connector（扬声器连接器）	2 线扬声器连接器，用于连接内置 3 W 扬声器。
MicBoard（麦克风板）
Green LED（绿色 LED）	绿色 LED 指示灯。
MIC（麦克风阵列）	双 LMA3729T381-OY3S 麦克风阵列，支持本地语音唤醒和声源定位功能。
BaseBoard（底板）
BQ27220（电池管理芯片）	电池管理芯片，用于电池电量检测、充电管理和电源状态监控。
TP4057（锂电池充电芯片）	锂电池充电芯片，用于为锂电池充电，充电电流为 250 mA。
CoreBoard Connector（CoreBoard 连接器）	CoreBoard PCB 板连接器，连接核心板与底板。
TlV62569（DCDC 芯片）	降压转换芯片，用于将 5 V 电源转换为 3.3 V 电源，为系统提供稳定供电。
SAM8108（开关机控制芯片）	开关机控制芯片，用于控制设备开关机，单击 POWER 按键即可切换开关机状态。
Type-C（USB-C 接口）	USB-C 接口，用于供电、编程下载和调试，支持对锂电池进行充电。

🌳 写在最后

ESP-VoCat 喵伴展现出的集成度、AI算力和功耗控制，其应用范围可以广泛拓展至多个需要智能交互的AIoT领域：

• 便携式智能语音终端：基于音频处理能力，可用于开发更小巧的智能语音钥匙扣或挂件，集成本地唤醒、对话和简单信息查询功能，适用于旅行、户外等场景。

• 增强型智能家居中控：在实现语音控制的基础上，可增加红外发射模块，使其能直接控制传统非智能家电；或集成Zigbee/蓝牙Mesh网关芯片，成为家庭物联网的真正中枢。

• 交互式教育或陪伴玩具：利用模组的AI音频、Wi-Fi连接和驱动屏幕的能力，可以开发具备丰富表情反馈 、语音互动和在线内容更新的智能教育机器人或儿童故事机，提供更拟人化的体验。

• 工业物联网语音交互界面：在工业环境中，操作人员双手可能被占用。基于该模组开发具备降噪功能的语音指令识别设备，可以实现对设备状态查询、简单指令下达的无触控操作，提升作业安全与效率。

乐鑫官方开发文档：

https://espressif.craft.me/1gOl65rON8G8FK

​