AI疯狂加速硬件科技初体验：普通人 | 2小时 | 从零到一，手搓语音控制系统

type

Post

status

Published

date

Sep 12, 2025

slug

summary

超声波：近距离控制小灯

虽然很少有接触硬件，但作者CS背景，所以单片机开发所需的开发环境和C++上手起来还算顺利。

想着从最简单的入手，于是找到各种硬件、连接电路、打开陌生开发环境Ardunio，开整！

想实现的效果：手一挥小灯就自动亮起，显示器上实时显示小灯状态。

实现原理很简单：超声波检测距离，然后控制小灯开关。直接上核心代码：

超声波测距

硬件电路控制，给到高电平即可

经过几轮的距离检测调试，目标效果完美实现。

这个时候发现，ESP32单片机本身自带了WIFI模块，于是这个想法就冒出来了：能不能把小灯控制做成Web服务，就是说实现网页控制？

WIFI：远距离控制小灯

先看效果：比如你在公司里就可以通过网络就可以控制家里的小灯。（不知道这是不是一个实际需求场景）

实现方案也不复杂，在ESP32单片机上部署一个简单的小灯开关控制服务，然后通过ESP32的WIFI模块连接上网，实现网页和手机端访问。

如果在进一步，利用ngrok内网穿透技术，可以轻松实现公网环境控制小灯。

思路有了，直接开整，核心实现代码如下：

初始化WiFi连接

在ESP32单片机上部署小灯控制Web服务

完成以上开发之后，部署上线测试。这里使用curl方式测试如下：

注意，果你本地有代理的话，需要这么测试：

在CLI（终端）中，实际测试下来控制效果完美！

这个时候发现，既然小灯开关服务都能上网了，那我给他加上语音控制不过分吧？

语音：用声音”拿捏“小灯

先看效果：嫌动手点击麻烦，控制小灯直接吼一嗓子就行

语音识别放在当下这个年代，已经快属于”时代过剩“的技术产物了。各种语音识别模块价格也早已被打下来了，从几十到几百不等。

但这些模块有一个很大的问题，基本只能通过刷入定制好的逻辑，不支持定制化开发。这对于追求自由定制化的作者来说很不友好。

这个时候想到多年前有同事玩过树莓派，一番资料查找之后确实可以。不过看了下最新款树莓派5得500多。成本嗖一下子就上去了。

最后，还是选择用我的老Mac+Vosk实现ASR（语音识别）能力。

来，”起锅烧油“，开整!

核心实现思路：使用WebSock建立前后端实时管道，用户通过前端语音输入，后端服务通过Vosk语音模型进行即时识别，并完成指定的小灯控制指令。

搭建前端用户界面，HTML+CSS+JavaScript

如效果图中看到的那样，语音识别的开关，以及识别结果和小灯控制结果的展示。

搭建后端核心语音识别服务：FastAPI+Vosk

整个项目比较小，就采用了经典前后端一体的项目结构方案，即基于FastAPI的静态路由功能。

实际测试下来，从发出指令到小灯完成动作，时间控制的1秒以内，还算满足预期。

这个时候发现，既然语音能远程控制小灯了，那小灯完成之后，语音告诉用户小灯的状态似乎也是一个需求。

算了，这个时候不发现了。TTS(文本转语音)的功能并不比ASR(语音识别)复杂多少，这块就以后有机会再迭代了。

初步成型的简单框架

最后，以上介绍了从一个想玩硬件的想法，一步步的到最后手搓了一个语音控制灯开关的小项目，完整的用户旅途下图：

技术上用到了JavaScript、Python、C++、Vosk(语音模型)，基本上一个从软件→芯片→各种硬件简单框架，算是搭建起来了。

后续迭代思考

既然ASR都有了，那怎么能缺的了TTS（语音转文字）呢，这不就组成了极简版的”Siri”或者”小冰“了么。

现在大模型这么火，把AI接进来理解用户的意图，然后把小灯控制服务封装成MCP，这样一个智能版的”Siri”或者”小冰“不就有了么。

还有很多小硬件，比如电机、舵机、伺服机… 后续都可以集成进这个语音控制系统中。

OK，这期就先玩到这里，你有什么好玩的硬件或者AI+硬件的想法，欢迎评论区留言，或者联系作者交流。