ESP32 S3 语音识别语音唤醒程序流程

news2024/10/24 7:12:49

ESP32 S3 语音识别语音唤醒程序流程

参考例程
首先进行esp_periph_set_init 初始化
之后执行setup_player，
之后执行start_recorder，
识别的主处理voice_read_task

参考例程

D:\Espressif\esp-adf\examples\speech_recognition\wwe\

在这里插入图片描述

首先进行esp_periph_set_init 初始化

之后注册回调函数periph_callback，在这里当有按键消息的时候执行audio_recorder_trigger_start和audio_recorder_trigger_stop，也就是开始识别和结束识别。
在这里插入图片描述

之后执行audio_board_key_init，初始化ADC按键，这个在之前的流程里面讲过，不在多说。
之后执行audio_board_init，初始化音频部分，包括codec和PA，这个要根据板卡进行初始化。

之后执行setup_player，

对播放器进行初始化。播放tone提示音
在这里插入图片描述
这里主要是初始化esp_audio_create，把如下element：tone stream、MP3decoder、i2s stream，加到player中。

之后执行start_recorder，

对识别器进行初始化，并启动。
在这里插入图片描述
这里新建一个pipline，把i2s stream（读取音频codec的原始数据）、filter、raw stream 这几个element加入并link进pipeline。之后audio_pipeline_run启动pipeline。这样就准备好了音频数据流。
在函数中有初始化了recorder_sr_cfg，这里识别的语音、唤醒使能、mic前端afe等都进行了定义。
之后filter_cfg里面对采样率、buffer等进行了定义。
amrnb_cfg对AMRNB_ENCODER 等参数进行了定义。
之后rsp_filter_init(&filter_cfg)，amrnb_encoder_init(&amrnb_cfg)初始化，之后把返回的element句柄注册到recorder_encoder_cfg的resample和encoder中去。
在这里插入图片描述
之后初始化audio_rec_cfg_t cfg = AUDIO_RECORDER_DEFAULT_CFG();这里定义了audio recorder 的task优先级、堆栈、唤醒timer等参数。
之后调用cfg.sr_handle = recorder_sr_create(&recorder_sr_cfg, &cfg.sr_iface);，进行recorder sr的创建，这里cfg通过sr_handle，把之前的recorder_sr_cfg（filter_cfg、amrnb_cfg）都联系了起来。
在这里插入图片描述

之后在
recorder = audio_recorder_create(&cfg);这样recorder识别器初始化完成。

主程序执行rec_q = xQueueCreate(3, sizeof(int)); 创建Queue
之后主程序 audio_thread_create(NULL, “read_task”, voice_read_task, NULL, 4 * 1024, 5, true, 0);
创建thread voice_read_task

识别的主处理voice_read_task

就比较好读懂了：

static void voice_read_task(void *args)
{
    const int buf_len = 2 * 1024;
    uint8_t *voiceData = audio_calloc(1, buf_len);
    int msg = 0;
    TickType_t delay = portMAX_DELAY;

    while (true) {
        if (xQueueReceive(rec_q, &msg, delay) == pdTRUE) {
            switch (msg) {
                case REC_START: {
                    ESP_LOGW(TAG, "voice read begin");
                    delay = 0;
                    voice_reading = true;
                    break;
                }
                case REC_STOP: {
                    ESP_LOGW(TAG, "voice read stopped");
                    delay = portMAX_DELAY;
                    voice_reading = false;
                    break;
                }
                case REC_CANCEL: {
                    ESP_LOGW(TAG, "voice read cancel");
                    delay = portMAX_DELAY;
                    voice_reading = false;
                    break;
                }
                default:
                    break;
            }
        }
        int ret = 0;
        if (voice_reading) {
            ret = audio_recorder_data_read(recorder, voiceData, buf_len, portMAX_DELAY);
            if (ret <= 0) {
                ESP_LOGW(TAG, "audio recorder read finished %d", ret);
                delay = portMAX_DELAY;
                voice_reading = false;
            }
        }
#if VOICE2FILE == (true)
        voice_2_file(voiceData, ret);
#endif /* VOICE2FILE == (true) */
    }