外观
2.7 麦克风与喇叭
这节要搞懂：声音怎么录进来、怎么放出去。 需要基础：2.6
本节两样都要用到
麦克风：语音命令（工程里的
voice_command_task） 喇叭：闹铃播放（3.7）
一、要买什么
| 要干嘛 | 用什么 | 说明 |
|---|---|---|
| 语音输入 | LMD4030T261-OA1 MEMS 麦克风 | PDM 数字输出，只要两根线 |
| 放音 | NS4168 功放 + 小喇叭 | I2S 输入，自带 DAC + D 类功放 |
二、麦克风（PDM 数字麦克风）
项目里麦克风用来干嘛
天气时钟用它做语音命令 —— 工程里的 voice_command_task 就是处理这一路音频的。
底层的 PDM 读取封装在 nocodec_audio.c 里。
我们用的 LMD4030T261-OA1 是一颗 PDM 数字 MEMS 麦克风。
PDM 麦克风内部集成了 MEMS 振膜 + 模数转换电路，直接输出数字码流。它只需要两根信号线：一根时钟进去，一根数据出来。
用到的引脚（信号线只有 2 根，加上电源地一共 4 根）：
| 麦克风 | ESP32-S3 | 方向 | 说明 |
|---|---|---|---|
| VDD | 3.3V | — | 供电 |
| GND | GND | — | 地 |
| CLK | GPIO3 | 主机 → 麦克风 | 时钟，由 ESP32 提供 |
| DATA / DOUT | GPIO42 | 麦克风 → 主机 | 1 位码流 |
| SEL / L/R | GND 或 3.3V | — | 声道选择，见下 |
丝印不统一，认功能别认名字
| 你可能看到 | 其实就是 |
|---|---|
CLK / PDM_CLK / SCK | 时钟线（ESP32 输出） |
DATA / DOUT / SD / PDM_DAT | 数据线（麦克风输出） |
SEL / L/R / LRSEL | 声道选择 |
只有 4 个焊盘的模块通常是 VDD / GND / CLK / DATA，声道已经在模块内部定死了。
声道选择脚怎么接
PDM 麦克风靠在时钟的哪个边沿输出数据来区分左右声道：
- SEL 接 GND → 左声道（在时钟下降沿输出）
- SEL 接 3.3V → 右声道（在时钟上升沿输出）
单麦克风场景接 GND 用左声道就行，代码里也要选左声道，两边必须一致。
代码：接收 PDM 麦克风
c
#include "driver/i2s_pdm.h"
#define PDM_CLK 3
#define PDM_DIN 42
static i2s_chan_handle_t s_rx_chan;
void mic_init(void)
{
// 1. 创建接收通道（PDM 只能用 I2S0）
i2s_chan_config_t chan_config =
I2S_CHANNEL_DEFAULT_CONFIG(I2S_NUM_0, I2S_ROLE_MASTER);
i2s_new_channel(&chan_config, NULL, &s_rx_chan);
// 2. 配置成 PDM 接收模式，16kHz / 16 位 / 单声道
i2s_pdm_rx_config_t pdm_config = {
.clk_cfg = I2S_PDM_RX_CLK_DEFAULT_CONFIG(16000),
.slot_cfg = I2S_PDM_RX_SLOT_DEFAULT_CONFIG(
I2S_DATA_BIT_WIDTH_16BIT, I2S_SLOT_MODE_MONO),
.gpio_cfg = {
.clk = PDM_CLK,
.din = PDM_DIN,
},
};
i2s_channel_init_pdm_rx_mode(s_rx_chan, &pdm_config);
i2s_channel_enable(s_rx_chan);
}
// 3. 读数据 —— 拿到的已经是 PCM，可以直接用
int16_t pcm_buffer[512];
size_t bytes_read;
i2s_channel_read(s_rx_chan, pcm_buffer, sizeof(pcm_buffer),
&bytes_read, portMAX_DELAY);PDM 不用做位移
这是 PDM 相对 I2S 麦克风省事的地方 —— 驱动内部已经把 1 位码流滤波转换成 PCM 了，读出来直接就是 int16_t 的音频采样值。
I2S 麦克风（INMP441）那种"按 32 位读、再右移取高位"的操作，PDM 这边不需要。
录不到声音，查这三条
- CLK 和 DATA 接反了 —— CLK 是 ESP32 输出，DATA 是麦克风输出，方向不同不能对调
- SEL 脚悬空 —— 必须明确接 GND 或 3.3V，且和代码里的声道选择一致
- 通道用错 —— PDM 接收在 ESP32-S3 上只能用 I2S0，写成
I2S_NUM_1初始化会失败
三、喇叭和功放（NS4168）
NS4168 是一颗 I2S 数字输入的 D 类音频功放。它内部集成了 DAC（数模转换）+ 功率放大两级，所以可以直接吃 I2S 数字信号，输出端直接接喇叭，中间不需要任何别的芯片。
打个比方：它是"数字信号进、声音出"的一体机 —— 你把音频数据推给它，喇叭就响了。
| NS4168 | ESP32-S3 引脚 | 说明 |
|---|---|---|
| VDD | 3V3 | 供电，电压越高音量越大 |
| GND | GND | 地 |
| CTRL | GPIO38 | 使能（关断控制） |
| BCLK | GPIO46 | 位时钟 |
| LRC / LRCLK / WS | GPIO9 | 声道选择 |
| SDATA / DIN | GPIO8 | 音频数据 |
| VON / VOP | 小喇叭两端 | 10Ω |
CTRL 是使能脚，不是数据线
NS4168 的 CTRL（有的丝印写 SD / EN）管的是开关，和 I2S 的三根线没关系：
- 拉高 → 正常工作
- 拉低 → 静音待机
本课程把它接到了 GPIO38，所以代码里要先把它拉高，喇叭才会响。想静音时不用停 I2S，把这个脚拉低就行，比改音量干净。
音量大就重启？
功放放大声时电流很大（3W 输出时瞬间可达数百 mA），USB 供电不够会把整块板子拉重启。
解决办法：
- 用能供 1A 以上的电源
- 功放的 VCC 直接从电源取，别从开发板的 3.3V 引脚取
- 电源和地之间并一个 470μF 以上的电解电容，吸收瞬间电流
NS4168 不需要 MCLK
和 MAX98357A 一样，NS4168 内部自己产生所需的时钟，只要 BCLK / WS / DIN 三根线就够。
所以代码里 .mclk = I2S_GPIO_UNUSED（2.6 第五节讲过）。
四、当前工程用它们做什么
| 器件 | 用途 |
|---|---|
| 麦克风 | voice_command_task 做声音检测 / 语音命令 |
| 喇叭 | 播放闹铃提示音（3.7）、播放音频文件 |
麦克风采到的音频不落盘
voice_command_task 拿到音频是实时分析的 —— 判断有没有声音、是不是设定的那个命令，分析完就丢，不会存起来。
本节操作过程里那个"录 10 秒再放出来"的实验，是为了把两条链路一次跑通，不是工程里已有的功能。
本节要点
- 麦克风 LMD4030T261-OA1（PDM，2 根线）、功放 NS4168（I2S，3 根线），都不需要 MCLK
- PDM 读出来直接是 PCM，不用像 I2S 麦克风那样做位移
- PDM 的 SEL 脚必须明确接 GND 或 3.3V，不能悬空
- 当前工程：麦克风做语音命令、喇叭放闹铃和音频
- ⭐ 功放的 CTRL（GPIO38）要拉高才出声，拉低就是静音，比改音量干净
- ⭐ 录音这种大块数据放 PSRAM：10 秒 16kHz 就要 313KB，片内 RAM 装不下
- ⭐ PDM 收只能用 I2S0，功放发用 I2S1，两边错开互不干扰
操作过程
目标：录 10 秒自己说的话，再原样放出来。
这个实验把这一节的两样东西串起来跑通了 —— 麦克风负责收，喇叭负责放，中间还要用到一块 300 多 KB 的内存来存录音。
建工程的流程每节都一样，见 2.2 第 2 步。工程名填
I2S，Target 选esp32s3。
第 1 步：先算一笔内存账 ⭐
录 10 秒要多大地方？
16000 采样/秒 × 10 秒 × 每个采样 2 字节 = 320,000 字节 ≈ 313 KBESP32-S3 片内 RAM 一共才 512KB，还要分给 WiFi、每个任务的栈、各种驱动缓冲。一口气申请 313KB 连续内存，基本不可能成功。
所以这个实验必须用 PSRAM。
什么是 PSRAM
PSRAM（Pseudo Static RAM，伪静态随机存储器）是芯片外部的一块扩展内存，通过 SPI 总线连到主控上。
打个比方：片内 RAM 是你的书桌 —— 小，但伸手就够得着；PSRAM 是旁边的书柜 —— 大得多，但每次取东西要多走两步。
| 片内 RAM | PSRAM | |
|---|---|---|
| 容量 | 512 KB | 2 ~ 8 MB |
| 速度 | 快 | 慢一些（要走 SPI） |
| 适合放 | 任务栈、DMA 缓冲、频繁访问的变量 | 大块数据：音频、图片、网页缓存 |
录音数据只是"存着等会儿再用"，不怕慢，就怕放不下 —— 正是 PSRAM 的用武之地。
先确认你的模组带 PSRAM
PSRAM 不是所有 ESP32-S3 模组都有。型号后缀里带 R2 / R8（比如 N16R8）的才带，N16 这种不带 PSRAM 的开不出来。
拿不准就先按下面的步骤打开，烧录后看串口 —— 芯片在开机时会打印一行 PSRAM 的大小。
第 2 步：打开 PSRAM 支持
PSRAM 默认是关闭的，要在工程配置里手动打开。
点 VS Code 底部状态栏的齿轮图标，打开 SDK 配置编辑器：
在搜索框里输入 PSRAM，找到 Component config → ESP PSRAM，把 Support for external, SPI-connected RAM 勾上：
勾上之后，下面会展开一大堆原本藏着的选项。只要改一个：Mode (QUAD/OCT) of SPI RAM chip in use，按你模组的实际型号选：
| 模组型号 | 选哪个 |
|---|---|
| N8R2 / N16R2 | Quad Mode PSRAM（4 线，默认） |
| N8R8 / N16R8 | Octal Mode PSRAM（8 线，更快） |
选错了会开不起来
Quad 和 Octal 是物理接线根数不同，选错等于用错的方式去跟内存芯片说话 —— 开机时 PSRAM 初始化会直接失败。
不确定就看模组上的丝印，或者两个都试一下，能正常打印出 PSRAM 大小的那个就对。
其余选项保持默认即可。特别是这两个默认值，正好是我们要的：
| 选项 | 默认值 | 意思 |
|---|---|---|
| Initialize SPI RAM during startup | ✅ 勾上 | 开机自动初始化，不用自己调 |
| SPI RAM access method | Make RAM allocatable using malloc() as well | ⭐ 让 PSRAM 能被 malloc 分配出来 |
改完点右上角的保存。
第 3 步：写代码
c
#include <stdio.h>
#include <stddef.h>
#include <stdint.h>
#include <stdlib.h>
#include "driver/gpio.h"
#include "driver/i2s_pdm.h"
#include "driver/i2s_std.h"
#include "esp_err.h"
#include "esp_heap_caps.h"
#include "esp_log.h"
#include "freertos/FreeRTOS.h"
#include "freertos/task.h"
static const char *TAG = "record_play";
#define SAMPLE_RATE_HZ 16000
#define RECORD_SECONDS 10
#define DMA_FRAME_NUM 256
#define BEEP_HZ 1000
#define BEEP_MS 200
#define BEEP_AMPLITUDE 12000
#define MIC_CLK_GPIO GPIO_NUM_3
#define MIC_DATA_GPIO GPIO_NUM_42
#define SPK_BCLK_GPIO GPIO_NUM_46
#define SPK_LRCLK_GPIO GPIO_NUM_9
#define SPK_DATA_GPIO GPIO_NUM_8
#define SPK_EN_GPIO GPIO_NUM_38
#define RECORD_SAMPLE_COUNT (SAMPLE_RATE_HZ * RECORD_SECONDS)
#define RECORD_BYTE_COUNT (RECORD_SAMPLE_COUNT * sizeof(int16_t))
static i2s_chan_handle_t s_mic_chan;
static i2s_chan_handle_t s_spk_chan;
// 功放开关：拉高出声，拉低静音
static void speaker_enable(int enable)
{
gpio_config_t cfg = {
.pin_bit_mask = 1ULL << SPK_EN_GPIO,
.mode = GPIO_MODE_OUTPUT,
.pull_up_en = GPIO_PULLUP_DISABLE,
.pull_down_en = GPIO_PULLDOWN_DISABLE,
.intr_type = GPIO_INTR_DISABLE,
};
ESP_ERROR_CHECK(gpio_config(&cfg));
gpio_set_level(SPK_EN_GPIO, enable ? 1 : 0);
}
static void mic_init(void)
{
// PDM 接收只能用 I2S0
i2s_chan_config_t chan_cfg = I2S_CHANNEL_DEFAULT_CONFIG(I2S_NUM_0, I2S_ROLE_MASTER);
chan_cfg.dma_desc_num = 4;
chan_cfg.dma_frame_num = DMA_FRAME_NUM;
ESP_ERROR_CHECK(i2s_new_channel(&chan_cfg, NULL, &s_mic_chan));
i2s_pdm_rx_config_t pdm_cfg = {
.clk_cfg = I2S_PDM_RX_CLK_DEFAULT_CONFIG(SAMPLE_RATE_HZ),
.slot_cfg = I2S_PDM_RX_SLOT_DEFAULT_CONFIG(I2S_DATA_BIT_WIDTH_16BIT, I2S_SLOT_MODE_MONO),
.gpio_cfg = {
.clk = MIC_CLK_GPIO,
.din = MIC_DATA_GPIO,
.invert_flags = {
.clk_inv = false,
},
},
};
/* 麦克风的 LR 脚接了 GND，输出的是左声道 */
pdm_cfg.slot_cfg.slot_mask = I2S_PDM_SLOT_LEFT;
ESP_ERROR_CHECK(i2s_channel_init_pdm_rx_mode(s_mic_chan, &pdm_cfg));
ESP_ERROR_CHECK(i2s_channel_enable(s_mic_chan));
}
static void speaker_init(void)
{
speaker_enable(0); // 先关着，别开机就响
// 功放走 I2S1，和麦克风错开
i2s_chan_config_t chan_cfg = I2S_CHANNEL_DEFAULT_CONFIG(I2S_NUM_1, I2S_ROLE_MASTER);
chan_cfg.dma_desc_num = 4;
chan_cfg.dma_frame_num = DMA_FRAME_NUM;
ESP_ERROR_CHECK(i2s_new_channel(&chan_cfg, &s_spk_chan, NULL));
i2s_std_config_t std_cfg = {
.clk_cfg = I2S_STD_CLK_DEFAULT_CONFIG(SAMPLE_RATE_HZ),
.slot_cfg = I2S_STD_PHILIPS_SLOT_DEFAULT_CONFIG(I2S_DATA_BIT_WIDTH_16BIT, I2S_SLOT_MODE_STEREO),
.gpio_cfg = {
.mclk = I2S_GPIO_UNUSED, // NS4168 不需要 MCLK
.bclk = SPK_BCLK_GPIO,
.ws = SPK_LRCLK_GPIO,
.dout = SPK_DATA_GPIO,
.din = I2S_GPIO_UNUSED, // 只发不收
.invert_flags = {
.mclk_inv = false,
.bclk_inv = false,
.ws_inv = false,
},
},
};
std_cfg.slot_cfg.slot_mask = I2S_STD_SLOT_BOTH;
ESP_ERROR_CHECK(i2s_channel_init_std_mode(s_spk_chan, &std_cfg));
ESP_ERROR_CHECK(i2s_channel_enable(s_spk_chan));
}
// 发一声"滴"：代码现算一段方波推给喇叭
static void speaker_beep(void)
{
int16_t stereo_buf[DMA_FRAME_NUM * 2];
int phase = 0;
int half_period_samples = SAMPLE_RATE_HZ / (BEEP_HZ * 2); // 半个周期占几个采样
int total_samples = SAMPLE_RATE_HZ * BEEP_MS / 1000;
int played = 0;
ESP_LOGI(TAG, "beep");
speaker_enable(1);
while (played < total_samples) {
int mono_count = total_samples - played;
if (mono_count > DMA_FRAME_NUM) {
mono_count = DMA_FRAME_NUM;
}
for (int i = 0; i < mono_count; i++) {
// 前半周期最大、后半周期最小 —— 这就是方波
int16_t sample = phase < half_period_samples ? BEEP_AMPLITUDE : -BEEP_AMPLITUDE;
stereo_buf[i * 2] = sample; // 左声道
stereo_buf[i * 2 + 1] = sample; // 右声道，填一样的
phase++;
if (phase >= half_period_samples * 2) {
phase = 0;
}
}
size_t bytes_written = 0;
ESP_ERROR_CHECK(i2s_channel_write(s_spk_chan,
stereo_buf,
mono_count * 2 * sizeof(int16_t),
&bytes_written,
portMAX_DELAY));
played += mono_count;
}
speaker_enable(0);
}
// 录 10 秒：一直读到填满整个缓冲区为止
static void record_10s(int16_t *record_buf)
{
size_t total = 0;
ESP_LOGI(TAG, "recording %d seconds...", RECORD_SECONDS);
while (total < RECORD_BYTE_COUNT) {
size_t bytes_read = 0;
ESP_ERROR_CHECK(i2s_channel_read(s_mic_chan,
(uint8_t *)record_buf + total,
RECORD_BYTE_COUNT - total,
&bytes_read,
portMAX_DELAY));
total += bytes_read; // ⭐ 一次不一定读满，要累加
}
ESP_LOGI(TAG, "record done");
}
// 回放：把单声道数据复制成左右两份再发出去
static void play_recording(const int16_t *record_buf)
{
int16_t stereo_buf[DMA_FRAME_NUM * 2];
size_t played = 0;
ESP_LOGI(TAG, "playing...");
speaker_enable(1);
while (played < RECORD_SAMPLE_COUNT) {
size_t mono_count = RECORD_SAMPLE_COUNT - played;
if (mono_count > DMA_FRAME_NUM) {
mono_count = DMA_FRAME_NUM;
}
for (size_t i = 0; i < mono_count; i++) {
int16_t sample = record_buf[played + i];
stereo_buf[i * 2] = sample;
stereo_buf[i * 2 + 1] = sample;
}
size_t bytes_written = 0;
ESP_ERROR_CHECK(i2s_channel_write(s_spk_chan,
stereo_buf,
mono_count * 2 * sizeof(int16_t),
&bytes_written,
portMAX_DELAY));
played += mono_count;
}
speaker_enable(0);
ESP_LOGI(TAG, "play done");
}
static void record_play_task(void *arg)
{
(void)arg;
// ⭐ 优先从 PSRAM 要这 313KB
int16_t *record_buf = heap_caps_malloc(RECORD_BYTE_COUNT, MALLOC_CAP_SPIRAM | MALLOC_CAP_8BIT);
if (record_buf == NULL) {
record_buf = malloc(RECORD_BYTE_COUNT); // 退回片内 RAM 再试一次
}
if (record_buf == NULL) {
ESP_LOGE(TAG, "failed to allocate %u bytes", (unsigned int)RECORD_BYTE_COUNT);
vTaskDelete(NULL);
return;
}
while (1) {
speaker_beep(); // 滴 —— 准备录了
record_10s(record_buf);
speaker_beep(); // 滴 —— 录完了，要放了
play_recording(record_buf);
vTaskDelay(pdMS_TO_TICKS(1000));
}
}
void app_main(void)
{
mic_init();
speaker_init();
xTaskCreate(record_play_task, "record_play_task", 4096, NULL, 5, NULL);
}代码里有几个地方值得单独说：
为什么申请内存要写成"两步"
c
record_buf = heap_caps_malloc(RECORD_BYTE_COUNT, MALLOC_CAP_SPIRAM | MALLOC_CAP_8BIT);
if (record_buf == NULL) {
record_buf = malloc(RECORD_BYTE_COUNT);
}第一句是指定要 PSRAM（MALLOC_CAP_SPIRAM）。如果板子没有 PSRAM、或者你忘了在配置里打开，这句会返回 NULL。
第二句是退而求其次，用普通 malloc 从片内 RAM 碰碰运气。313KB 多半也要不到，但代码不会因为第一句失败就直接崩掉 —— 它会走到第三句，打印一行明确的错误再退出：
c
ESP_LOGE(TAG, "failed to allocate %u bytes", ...);比直接崩溃好排查得多。
麦克风为什么要指定 slot_mask
c
pdm_cfg.slot_cfg.slot_mask = I2S_PDM_SLOT_LEFT;PDM 麦克风有个 LR（声道选择）脚：接 GND 是左声道，接 3.3V 是右声道。板子上接的是 GND，所以要告诉驱动"去左声道那一半取数据"。
搞反了的现象是录出来全是 0 —— 麦克风在左边说话，你却一直在右边听。
单声道的数据为什么要填两遍
c
stereo_buf[i * 2] = sample; // 左
stereo_buf[i * 2 + 1] = sample; // 右喇叭那一路配的是 STEREO（双声道），I2S 每个周期要送左右各一个采样。而麦克风录的是单声道，只有一份数据。
所以把同一个采样左右各填一份，两个喇叭（或者同一个喇叭的左右通道）听起来就一样了。
漏了这一步，现象是声音变调、速度快一倍 —— 因为一半的数据被当成了另一个声道。
第 4 步：编译烧录
第 5 步：应该看到什么
耳朵听到：滴一声 → 安静 10 秒（这时候对着麦克风说话）→ 又滴一声 → 把你刚才说的话放出来。
串口：
I (xxx) record_play: beep
I (xxx) record_play: recording 10 seconds...
I (xxx) record_play: record done
I (xxx) record_play: beep
I (xxx) record_play: playing...
I (xxx) record_play: play done开机那几行日志里还能看到 PSRAM 被认出来了：
I (xxx) esp_psram: Found 8MB PSRAM device
I (xxx) esp_psram: Adding pool of 8192K of PSRAM memory to heap allocator看到这两行，说明第 2 步的配置生效了。
动手试试
- 把
RECORD_SECONDS改成 30，看看还能不能申请到内存，顺便算一下要多少 KB。 - 把
BEEP_HZ从 1000 改成 2000，听听提示音有什么不一样。 - 故意把配置里的 PSRAM 支持关掉，重新烧录，看串口打印的是哪一行错误。
- 把
SPK_EN_GPIO那句gpio_set_level(..., 1)改成0，验证"没声音"到底是什么现象。