基于ESP32S3的链接大语言模型对话模块

本实物模块从实物外观、模块组成、API申请及功能说明四部分来介绍这款基于ESP32S3的大语言模型对话模块。

1、实物外观

2、模块介绍

本硬件平台主要由三个模块组成，包括MAX9814录音模块、MAX98357音频功放模块和ESP32S3模块。如下图所示。

MAX9814录音模块：

MAX98357音频功放模块：

ESP32S3模块：

3、API申请

本硬件平台需要用户自己申请3个API，分别是语音识别API、大语言模型API和语音合成API，本硬件平台用的语音识别API是百度智能云，大语言模型API是阿里通义千问，语音合成API是讯飞平台。因此，这里介绍上述三种API的申请方式，用户仅需在代码中更改API基础信息即可完成配置。

首先是百度语音识别API的申请：

搜索百度智能云并进入官网：

在官网中选择产品--语音技术--短语音识别标准版：

点立即使用，并登录百度账号：

1. 第一次用可以使用免费尝鲜获取一部分体验额度：

创建短语音识别应用，并获取API Key、Secret Key，以及通过调试获取token：

然后是阿里通义千问API的申请：

搜索阿里云并进入官网，扫码登录：

搜索Dashscope进入灵积服务模型：

进入API-KEY管理，创建新的API-Key：

最后是讯飞语音合成API的申请：

首先搜索讯飞语音合成APi，并进入官网：

第一次使用有免费额度，直接领取个人免费套餐，进入登录界面：

进入官网后领取完在线语音合成额度：

领取完额度后进入控制台创建新应用：

创建完之后就能获取APPID、APISecret、APIKey：

以上就是所有API的申请教程。

4、功能介绍

本硬件平台可以实现链接开源大语言对话模型，并与其实时对话的功能。具体操作步骤如下：

第一步是上电，此时系统会介绍一下自己，上下两个LED都不亮；

第二步是按下录音按钮，上面的LED开始常亮。此时可以与系统对话，录音时间为5s，上面LED灭后，表示录音结束。

等待2-3s之后，系统输出大语言模型反馈结果，并通过喇叭发声的方式输出，此时下面的LED会亮，输出结束之后下面的LED会灭。

本文大部分内容都属于原创，如需转载，请附上本文网站，
如果需要相关的仿真图、程序代码等资料可以直接私信我，我会及时回复。