Skip to content

Anlitico/aiot-doc

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
.agent/rules
.agent/rules
 
 
docs
docs
 
 

Repository files navigation

玩具项目主文档 (Project Master Hub)

本仓库涵盖了从硬件选型、固件开发、机械结构到量产实施的全链路 AI 语音玩具开发方案。本项目旨在打造一款拥有"名人性格"、实时对答、且具备高端潮玩手感的 AIoT 智能公仔。

核心价值主张：在 ¥200 成本约束下，实现媲美千元智能音箱的语音交互体验，并通过工业级的工程设计确保可量产性。

📋 文档导航速查 (Quick Navigation)

模块 主文档 核心问题 关键文档
🧠 固件开发 Firmware README 如何实现低延迟全双工对话？ 音频流水线 · 唤醒词方案 · 打断逻辑
🔌 硬件设计 Hardware README 如何在 ¥200 内做出可靠硬件？ 引脚分配 · 电源管理 · 新手入门
🧊 结构设计 Mechanical README 如何保证声学隔离和手感？ 3D 堆叠 · 声学设计 · 装配工艺
🚀 项目落地 Implementation README 如何从设计到 500 台试产？ 落地路线图 · 成本分析 · FCC 认证
📋 项目管控 Project Checklist 如何避免致命遗漏？ 决策日志

🚀 项目全景图 (Project Overview)

核心定位

产品类型：基于名人性格的 AI 陪伴潮玩（如 Trump, Musk 等）

目标市场：

  • AI 爱好者与科技尝鲜者
  • 潮玩收藏者与手办玩家
  • 企业科技礼品采购
  • 海外独立消费者（通过 Kickstarter / Indiegogo）

核心卖点：

  1. 实时全双工对话：可随时打断，无需等待轮次
  2. 名人性格克隆：通过 LLM + 克隆语音完美还原
  3. 高端潮玩手感：硬质硅胶 + 隐形交互设计
  4. 极低延迟：端到端延迟 < 500ms

技术平台架构

层级 技术选型 核心作用
边缘计算 ESP32-S3 (双核 240MHz + 8MB PSRAM) 音频 DSP、网络协议栈、本地 AI 推理
音频链路 I2S 双麦阵列 + MAX98357A 功放 AEC 回声消除、VAD 检测、Opus 编解码
云端通信 WebRTC (LiveKit) 低延迟音频流传输、信令控制
AI 后端 OpenAI / Claude + 自定义 TTS 性格对话生成、语音克隆合成
电源系统 1000mAh 锂电池 + TP4056 持续通话 4-5 小时

项目状态与分工

  • ✅ 软件部分（用户已完成）：

    • LiveKit 服务端部署与信令控制
    • LLM 对话逻辑与名人性格训练
    • TTS 语音克隆引擎集成

  • 🎯 本方案重点（硬核落地）：

    • ESP32-S3 固件开发（音频流水线、唤醒词、全双工打断）
    • 硬件 PCB 设计（双麦阵列、电源管理、射频优化）
    • 机械结构设计（垂直堆叠、声学隔离、触感优化）
    • 量产实施方案（供应链、成本控制、FCC 认证）
mindmap
  root((**AI 名人语音公仔**<br>AI Celebrity Toy))
    Firmware_Core["核心与大脑<br>(Firmware & Software)"]
      ::icon(fa fa-microchip)
      FW_Main[**固件主文档**<br>Firmware README]
      Audio_Pipeline[音频流水线 & AFE<br>Audio Pipeline]
      Wake_Word[唤醒词方案<br>Wake Word]
      Full_Duplex[全双工 & 打断逻辑<br>Full Duplex Logic]
      LiveKit[WebRTC & 信令<br>LiveKit Transport]
      OTA[配网 & OTA<br>Provisioning]
    
    Hardware_Body["身体与感官<br>(Hardware)"]
      ::icon(fa fa-plug)
      HW_Main[**硬件主文档**<br>Hardware README]
      Power[电源与电池管理<br>Power & Battery]
      Mic_AFE[麦克风选型<br>Microphone & AFE]
      Speaker[扬声器与功放<br>Speaker & Amp]
      PinMap[引脚分配表<br>Pin Mapping]
      Beginner[新手入门指南<br>Getting Started]

    Mechanical_Skin["骨骼与皮肤<br>(Mechanical)"]
      ::icon(fa fa-cube)
      Mech_Main[**结构主文档**<br>Mechanical README]
      Spatial[3D堆叠与架构<br>Spatial Architecture]
      Acoustics[声学与音腔设计<br>Acoustics & Stackup]
      DFA[装配工艺 DFA<br>Assembly Process]
      Materials[材料与制造<br>Materials]

    Implementation_Action["落地与执行<br>(Implementation)"]
      ::icon(fa fa-rocket)
      Imp_Main[**实施主文档**<br>Implementation README]
      Roadmap[**落地路线图**<br>Implementation Roadmap]
      BOM_Cost[BOM 清单 & 成本<br>BOM & Cost]
      FCC[FCC 认证 & 出海<br>FCC Certification]
      Outsource[外包协作包<br>Outsourcing Package]

    Project_Control["项目管控<br>(Management)"]
      ::icon(fa fa-list-check)
      Checklist[**全流程检查单**<br>Project Checklist]
      Decisions[决策日志<br>Decision Log]
Loading

🏗 方案架构全景 (System Architecture)

完整信号流图

graph TD
    User((User Voice)) --> |Acoustics| Mic[Dual MEMS Mic]
    Mic --> |I2S| ESP32["**ESP32-S3 Core**<br>(AEC / VAD / Opus)"]
    
    subgraph FW ["Firmware & Edge"]
    ESP32 --> |Wake Word| KWS[Keyword Spotting]
    ESP32 --> |RGB LED| Visual[Visual Feedback]
    end
    
    subgraph CloudBackend ["Cloud Backend (Software)"]
    ESP32 <--> |WebRTC / LiveKit| Cloud[All-in-one Gateway]
    Cloud <--> |Text| LLM["LLM Persona<br>(Trump/Musk)"]
    Cloud --> |Audio| TTS[Clone Voice TTS]
    end
    
    TTS --> |Stream| Cloud
    Cloud --> |Opus| ESP32
    ESP32 --> |I2S| Amp[MAX98357A Amp]
    Amp --> |Sound| Speaker[Integrated Speaker]
Loading

系统性能指标

指标 目标值 实现手段
端到端延迟 < 500ms WebRTC + Opus 20ms/frame + 边缘侧 VAD
打断响应时间 < 50ms 本地 VAD 抢占 + 软消音策略
唤醒词识别率 > 95% Picovoice / WakeNet + 双麦 BSS
续航时间 4-5 小时 1000mAh 电池 + DFS 动态调频
Wi-Fi 信号强度 > -70dBm @ 5m PCB 天线 + 5mm 净空区 + 模组复用
声学隔离度 > 20dB 麦克风二级密封 + 喇叭悬浮减震

📚 核心模块详解 (Core Modules & Design Decisions)

🧠 1. 核心与大脑 (Firmware & Software)

论点：在极其有限的嵌入式资源下，实现可与手机 App 媲美的实时语音交互体验。

1.1 双核异构调度 (Dual-Core Architecture)

ESP32-S3 拥有两个 Xtensa LX7 核心，我们对其进行了严格的功能划分：

核心 任务分配 优先级 关键职责
Core 0 (PRO_CPU) 系统与信令 High 运行 Wi-Fi 协议栈、LwIP、LiveKit (WebRTC) 信令握手、OTA 下载
Core 1 (APP_CPU) 音频 DSP Real-time 独占运行 ESP-ADF 音频流水线：I2S 读取 → AEC 回声消除 → VAD 检测 → Opus 编码

关键决策：

  • 禁止在 Core 1 上运行任何阻塞性网络请求（如 HTTP 握手），否则会导致正在播放的声音卡顿
  • 使用 FreeRTOS 任务固定 (xTaskCreatePinnedToCore) 确保任务不会跨核迁移

1.2 音频流水线 (Audio Pipeline)

级联处理顺序（顺序不可颠倒）：

双麦原始输入 + 喇叭反馈 
    ↓
1. AEC (回声消除) ← 这是"边播边听"的前提
    ↓
2. BSS (波束成形) ← 锁定 0° 方向(正前方)用户
    ↓
3. NS (环境降噪) ← 滤除背景稳态噪音
    ↓
4. AGC (自动增益) ← 防止用户离得太远听不清
    ↓
5. VAD (语音检测) ← 判定"有人说话?"
    ↓
6. WakeNet (唤醒) ← 关键词判定
    ↓
LiveKit (WebRTC 推流)

关键优化：

  • AFE 算法占用内存约 1MB，必须显式分配在 PSRAM 中
  • 本地 VAD 是节省成本的关键：只有检测到人声时才向 LiveKit 发包，节省 80% 带宽
  • 软件 EQ 补偿：针对"后背出音"导致的高频衰减，增强 3.5kHz - 8kHz 频段 +4dB ~ +6dB

1.3 低延迟策略 (Latency Control)

端到端延迟分解：

环节 延迟 优化手段
麦克风采集 20ms I2S DMA 双缓冲
AFE 处理 20-30ms 单帧处理，无缓冲积压
Opus 编码 20ms 固定帧长
WebRTC 传输 50-100ms UDP + NACK 重传
LLM 推理 200-300ms 流式生成
TTS 合成 50-100ms 实时流式输出
播放缓冲 40ms 双缓冲播放
总计 400-610ms 平均 < 500ms

核心技术：

  • 摒弃传统的 HLS/RTMP 拉流，采用 WebRTC 实时双向音频流传输
  • 服务端打断：通过 LiveKit 服务端检测用户语音活动，实现智能打断逻辑

1.4 全双工打断逻辑 (Full-Duplex Interruption)

LiveKit 服务端打断机制：

复用 LiveKit Agent Framework 原生的打断能力，实现自然流畅的对话体验。

工作流程：

步骤 执行方 动作 延迟
1. 持续推流 ESP32 始终进行 AFE 处理并将音频推向 LiveKit 服务端 实时
2. VAD 检测 LiveKit Agent 服务端实时分析音频流，检测用户语音活动 50-100ms
3. 停止输出 LiveKit Agent 检测到用户说话后，立即停止发送 TTS 音频包 < 50ms
4. 发送信令 LiveKit Agent 发送打断信令到 ESP32："我被打断了，请清空缓冲区" 20-50ms
5. 清空播放 ESP32 收到信令后立即清空 I2S 缓冲区和 Opus 解码器状态 < 20ms

端侧实现要点：

  • 持续推流：无论 AI 是否在说话，ESP32 始终进行音频采集和推流
  • 快速响应：收到打断信令后，立即调用 i2s_zero_dma_buffer() 清空硬件缓冲
  • 软消音处理：避免爆音，在清空缓冲前对最后 8ms 音频进行淡出处理（1.0 → 0.0）
  • AEC 关键：必须开启回声消除，否则 AI 会被自己的声音触发"误打断"

📖 深度阅读： 固件设计主指南 | 音频流水线与 AFE | 唤醒词方案对比 | 全双工打断逻辑

🔌 2. 身体与感官 (Hardware)

论点：在 ¥200 成本约束下，构建通过 FCC 认证且音质达标的硬件平台。

2.1 主控芯片选型 (MCU Selection)

型号：ESP32-S3-WROOM-1-N16R8

为什么必须是 S3？（与其它芯片对比）

芯片型号 核心 PSRAM AI 加速 适用性 BOM 成本
ESP32-C3 单核 160MHz 无 无 ❌ 不适合
算力不足，无法同时支撑 Wi-Fi 和软件 AEC		 ¥10
ESP32-S2 单核 240MHz 可选 无 ⚠️ 勉强
单核难以保证实时性		 ¥15
ESP32-S3 双核 240MHz 8MB 有 ✅ 最优
双核异构 + AI 加速 + 大内存		 ¥35
ESP32-P4 双核 400MHz 32MB 有 ⚠️ 过剩
成本高，供应链不成熟		 ¥80+

核心优势：

  • AI 指令集加速：WakeNet 唤醒词推理速度比 ESP32 原版快 10 倍
  • 8MB PSRAM 必需：LiveKit WebRTC 协议栈和 Opus 编解码器需要至少 4MB 的动态内存
  • 双核异构：Core 0 处理网络/信令，Core 1 独占音频 DSP，确保实时性

2.2 声学链路设计 (Acoustic Chain)

输入端：双麦阵列

核心决策：为什么选 2-Mic（双麦）？

维度 1-Mic (单麦) 2-Mic (双麦) [最优选] 3-Mic (Korvo 阵列)
抗噪能力 弱 强 (可过滤非目标方向人声) 极强 (调试极难)
AEC 效果 基础级 进阶级 (更干净) 专业级
算力开销 极低 中等 (S3完美适配) 极高 (挤占 WebRTC)
结构难度 简单 中等 (需保证间距) 复杂 (三孔对齐)
用户场景 近距离手持 1.5米内桌面放置 远场 (3米+) 音箱
BOM 成本 +¥6 +¥12 +¥18

为什么选数字麦 (I2S)？

  • 传统模拟驻极体麦克风极其容易受 Wi-Fi 射频干扰（滋滋声）
  • 全数字链路从源头切断干扰，底噪极低
  • 免去外部 ADC 芯片，简化电路，降低成本

推荐型号：

  • MSM261S4030H0 / INMP441
  • 配对要求：灵敏度差值 < ±1.0 dB，相位差 < 5°

硬件布局要求：

  • 间距：两颗麦克风中心轴距固定在 40mm - 65mm
  • 方向：双麦轴线应水平，正对用户脸部
  • 密封性：每颗麦克风必须有独立密封硅胶套，严禁在玩具内部共享空气腔

输出端：音频功放与喇叭

功放选型：MAX98357A (I2S 数字功放)

优势：

  • 数字直驱：直接接收 ESP32 的 I2S 数字音频，无需外挂 DAC
  • 极简电路：不需要外部滤波器，只需 5 根线连接
  • D 类高效：效率高，发热小，不需要专门散热片

喇叭搭配：

  • 推荐规格：4Ω 3W 全频喇叭
  • 形态选择：圆形（30mm/40mm）或跑道型（20mm x 40mm）
  • 内磁优先：磁场不外泄，不会干扰 Wi-Fi 天线或电路

2.3 电源系统 (Power System)

功耗预算：

工作模式 电流消耗 (3.7V) 备注
持续对话 (Wi-Fi + AFE + Opus + 喇叭) 180mA - 250mA 平均值
浅睡眠 (Wi-Fi保持+监听唤醒词) 50mA - 80mA 待机模式
深度睡眠 (等待物理按键) < 20uA 微安级

电池选型：

  • 推荐容量：1000mAh（型号 603450）
  • 续航：持续通话约 4.5 小时
  • 安全要求：必须带双重保护板 (PCM)，使用 PH 2.0 插件连接

充电电路：TP4056

  • 充电电流：$I_{chg}(mA) \approx \frac{1200}{R_{prog}(k\Omega)}$
  • 推荐配置：$R_{prog} = 1.5k\Omega$，对应充电电流约 800mA

稳压方案：SGM2212-3.3 (或 800mA+ LDO)

  • 输出能力：额定 800mA 持续输出
  • 关键设计：LDO 输出端（紧贴模组 3V3）：22uF 陶瓷电容（这是解决 Wi-Fi 掉线和系统复位的首要手段）

2.4 射频与天线设计 (RF & Antenna)

方案选择：

特性 PCB 天线 (WROOM-1) [推荐] IPEX 外部天线 (WROOM-1U)
成本 $0 (包含在模组内) +¥1-2 (额外采购)
组装 无需组装 需人工扣合，跌落可能脱落
性能 良好 (取决于布局) 优秀 (可避开障碍物)
适用场景 空间充足、外壳非金属 PCB被深埋、信号要求高

设计红线：

  • 净空区：模组 PCB 天线投影区域及向外延伸 5mm 范围内严禁铺铜、走线、打过孔
  • 材质黑名单：金属漆/真空电镀、导电橡胶、过厚外壳（建议 < 3.0mm）
  • EMI 预留位：USB D+/D- 差分线上预留共模电感 (0402) 焊盘（90Ω @ 100MHz）

📖 深度阅读： 硬件选型主指南 | PinMap 引脚分配 | 电源与电池管理 | 新手入门指南

🧊 3. 骨骼与皮肤 (Mechanical)

论点：拒绝恐怖谷效应 (Uncanny Valley)，用抽象化设计唤起情感共鸣。

3.1 垂直核架构 (Vertical Core)

烟囱式散热 (Chimney Effect)：

原理：

  • 全部电子件（电池、主板、喇叭）沿中轴线垂直堆叠
  • 热空气自然上升，从顶部的隐藏出气孔排出，形成自然的空气对流
  • 优势：无需风扇，实现完全静音的散热

四大功能分区：

分区 位置 核心作用 关键约束
核心指挥区 垂直中轴线 承载 ESP32-S3 及电源管理 主板向后靠，确保 USB-C 接口贴紧背壳开口
传感器前哨 左右突出圆环内 数据输入端(麦克风) + 状态输出端(LED 灯环) 通过 1.0mm 间距 6-pin FPC 对称连回主板
重力底座 身体最底部 1000mAh 锂电池作为配重 提供极佳重心支撑，防止站立不稳
后置声场 后背下方栅栏开口 音腔喇叭横置 紧贴背部出音网格

性能指标：

  • RF 指标：装配好硅胶壳后，Wi-Fi 吞吐量对比裸板衰减 < 3dB
  • 热平衡：持续满载运行 1 小时，外壳表面最高温升 < 8℃
  • 重心稳度：成品公仔能够平稳站立在 10° 斜面上而不倒

3.2 母女板架构 (PCB Integration)

系统拓扑：一主两副

中央主控板 (Main Logic Board)：

  • 规格：35mm x 55mm 长条形，垂直高度中心
  • 任务：ESP32-S3 核心、Wi-Fi 天线、3.3V/800mA 供电、2W 音频功放、背部 USB 接口

传感器圆环副板 (Sensor Daughter-boards x 2)：

  • 规格：圆形，单面贴装，厚度 1.2mm
  • 任务：12 颗 WS2812B RGB 灯环(正面)、1 路数字麦克风(背面)

为什么坚持"母女板"方案？

成本增加：每台约 ¥10-15

关键理由（即使增加成本也值得）：

  1. 物理过弯装配：单块大 PCB(十字型)无法从窄小的颈部接口塞入
  2. 麦克风近场拾音：副板让麦克风直接贴合圆环导音孔，若使用单板，声音需通过长达 30mm 的导管，会导致 AEC 算法失效
  3. 触摸灵敏度保证：副板紧贴圆环内侧，触摸感应电极行程最短，可有效抑制干扰

3.3 声学工程设计 (Acoustic Engineering)

论点：AI 语音产品的生死线在于"能不能听清"。物理隔离是 AEC 算法生效的前提。

麦克风二级密封 (Two-Stage Sealing)：

挑战：如果不密封，喇叭的声音会在机器内部直接传到麦克风（结构耦合），导致 AEC 算法失效，产生啸叫。

方案：

  • 一级密封 (Sleeve)：在副板 MEMS 麦克风上套入 LSR 液体硅胶套（硬度 25-30A）
  • 二级密封 (Interface)：支架支柱对副板施加 2-3N 的压力，使胶套顶端与硅胶外壳内壁的"拾音管"形成气密性贴合

目标：物理隔离度 > 20dB

喇叭悬浮与减震 (Speaker Decoupling)：

方案：

  • 浮动安装：音腔箱体不直接通过螺丝锁在支架上，而是嵌入支架的专属框位
  • Poron 泡棉缓冲：在箱体与支架的所有接触面粘贴 0.5mm - 1.0mm 厚度的 Poron 减震泡棉

目标：在大音量(85dB @ 10cm)播放时，支架主梁的振幅需衰减 90% 以上

3.4 材质与交互设计 (Materials & Interaction)

核心材质：硬质硅胶

  • 硬度：采用 70度 Shore A 高抗撕硅胶，既能保持"双瓣"造型不塌陷，又能提供扎实的手感
  • 表面处理：喷涂 哑光手感油 (Skin-feel Oil)，抗静电

导光设计：

  • 侧面圆环区域采用 半透明白色硅胶
  • 透光率控制在 40%-60%，确保 LED 状态灯旋转时无明显噪点

隐形多功能键 (Hidden Multi-function Button)：

结构组成：

  • 外部：硅胶蒙皮表面镭雕电源图标，壁厚减薄至 1.0mm
  • 中间：由内部支架伸出的 POM 材质传力柱 (Plunger)
  • 内部：主 PCB 上的 3x4mm 贴片轻触按键

软件逻辑：

  • 长按 3 秒：系统开关机
  • 双击：进入 Wi-Fi 配网模式(LED 变黄色流转)
  • 短按一次：停止当前播放或打断 AI 回答

📖 深度阅读： 机械结构主指南 | 3D 堆叠方案 | 声学结构设计 | 装配工艺

🚀 4. 落地与合规 (Implementation)

论点：用工业级的严谨性，管理充满变数的初创项目供应链。

4.1 三步走落地路径 (Three-Stage Roadmap)

第一阶段：功能验证机 (EVT - Engineering Verification)

目标：证明"能响、能听"

动作清单：

  1. 购买 ESP32-S3-Korvo-1 开发板（约 ¥260）
  2. 在淘宝购买 3D 打印粗糙外壳（约 ¥50）
  3. 连接您现有的 LiveKit 软件，验证全双工通话功能
  4. 测试背部出音音质，确认声学设计可行

周期：2 周 | 预算：¥500 以内

第二阶段：设计验证 (DVT - Design Verification)

目标：证明"装得上、产得出"

动作清单：

  1. 找结构师完成 3D 建模 → 找模具厂开"真空复模"（无需开钢模）
  2. 制作第一版"母女板"PCBA，由嘉立创完成 SMT 贴片
  3. 组装 5-10 套高精度样机，验证装配公差与手感
  4. 进行声学密封测试，确保麦克风隔音达标

周期：4 周 | 预算：¥5,000 - ¥10,000

第三阶段：小批量产 (PVT - Production Verification)

目标：跑通生产线，验证良率

动作清单：

  1. 开铝模（成本仅为钢模的 1/5）生产硅胶外壳
  2. 联系深圳宝安/沙井的小型硅胶加工商进行总装
  3. 建立产线测试工位（PCBA 电测 + 声学扫频 + Wi-Fi 信号）
  4. 抽检老化测试（24 小时连续播放 + 跌落实验）

周期：6-8 周 | 预算：¥30,000 - ¥50,000

4.2 成本控制与财务规划 (Cost & Budget)

单机 BOM 成本：¥208 (CNY)

模块 项目 预估成本 占比
电子大脑 ESP32-S3, 功放, 麦克风, 电源IC ¥75 36%
电路加工 4层PCB, SMT贴片, 治具费分摊 ¥40 19%
声学动力 1500mAh电池, 3020音腔喇叭, FPC ¥30 15%
外观壳体 硬质硅胶蒙皮, PC+ABS内胆 ¥45 21%
包装附件 彩盒, 说明书, Type-C线 ¥18 9%
合计 ¥208 100%

前期固定投入 (NRE)：¥13,000 - ¥19,000

  • 结构设计服务费：¥3,000 - ¥5,000
  • 硅胶铝模费：¥8,000 - ¥12,000
  • PCB 网板/治具：¥600
  • 打样费（3D打印+板拔）：¥1,500

首批 500 台总预算：

  • 物料采购：¥208 × 500 = ¥104,000
  • 固定投入：¥16,000
  • 不可预见支出 (5%)：¥6,000
  • 启动总预算建议：¥126,000 (约 13 万人民币)

4.3 FCC 认证策略 (Certification)

核心策略：模组复用 (Module Reuse)

ESP32-S3-WROOM-1 模组已通过 FCC 认证。我们采用"复用原厂 ID"策略：

操作步骤：

  1. 在产品后盖标签标注：Contains FCC ID: 2AC7Z-ESPS3WROOM1
  2. 向实验室申请 FCC Part 15C (RSE Only) 测试，仅验证装入外壳后的辐射杂散

成本对比：

方案 测试项目 费用 周期
自主设计射频 全套 (传导+辐射+跳频) ¥35,000 - ¥50,000 4-6 周
模组复用 仅辐射杂散 ¥6,000 - ¥9,000 2 周

结论：立省 70% 费用，缩短 1 个月周期

设计红线：

  • 模组天线区及向外延伸 5mm 范围内严禁铺铜、走线、放金属件
  • USB D+/D- 差分线上预留共模电感焊盘 (90Ω @ 100MHz)
  • 固件调用 esp_wifi_set_country("US") 锁定国家码，严禁开启 Channel 12-14
  • 限制最大发射功率 ≤ 78 (19.5dBm)

电池运输认证 (UN38.3)：

  • 锂电池必须有 UN38.3 测试报告 和 MSDS，否则无法空运/海运
  • 策略：直接采购已有证书的电芯，不要自己做（费用 ¥5,000+，耗时 1 个月）

📖 深度阅读： 实施与供应链主指南 | 落地路线图 | FCC 认证指南 | BOM 清单

📋 5. 项目管控 (Management)

论点：防止"因为一颗螺丝钉导致发货推迟一个月"。

5.1 工业级项目管理体系

我们建立了一套工业级的项目管理体系：

全流程检查单 (Comprehensive Checklist)：

  • ✅ 项目全流程 Checklist
  • 从 PCB 阻抗匹配到彩盒包装跌落测试，列出了 100+ 项"必死"检查点
  • 覆盖固件、硬件、结构、供应链、测试、合规六大维度

决策日志 (Decision Log)：

  • 📝 决策日志 (Decision Log)
  • 记录了诸如"为什么放弃 Linux 核心板？"、"为什么必须做双麦克风？"等关键决策的思维过程
  • 防止团队在后续开发中反复摇摆

5.2 关键决策回顾

技术选型决策：

决策点 最终方案 放弃方案 理由
主控芯片 ESP32-S3 ESP32-C3, Linux板 C3 算力不足；Linux 功耗高、成本高
麦克风数量 2-Mic 1-Mic, 3-Mic 1-Mic 抗噪弱；3-Mic 算力开销大
麦克风类型 I2S 数字麦 模拟驻极体麦 数字麦抗干扰强，底噪低
唤醒词方案 Picovoice WakeNet定制, 外置DSP Picovoice 快速迭代，成本可控
PCB 架构 母女板 单板 单板无法装配，麦克风拾音效果差
外壳材质 硬质硅胶 ABS 塑料 硅胶手感好，声学密封容易
FCC 策略 模组复用 全套测试 省 70% 费用，缩短 1 个月

供应链决策：

环节 最终方案 放弃方案 理由
PCBA 加工 嘉立创 PCBA 一站式方案商 嘉立创响应快，价格透明
硅胶外壳 铝模 + 硅胶厂代工 3D 打印 3D 打印无法达到量产精度
电池采购 带 UN38.3 成品 自己送检 送检成本高，周期长
总装策略 硅胶厂代工 自己组装 专业厂商效率高，良率有保证

📖 深度阅读： 项目全流程 Checklist | 决策日志

🛠 关键设计亮点 (Key Highlights)

技术创新点

  1. 音频全双工：通过 WebRTC 与后端对接，实现极其流畅的"插话打断"体验

    • 本地 VAD 抢占 < 50ms
    • 软消音策略避免爆音
    • 云端仲裁保证准确度

  2. 声学工程：二级密封 + 悬浮减震

    • 麦克风独立密封腔体，物理隔离度 > 20dB
    • 喇叭 Poron 泡棉减震，振幅衰减 90%
    • 背部格栅防吹哨设计

  3. 垂直堆叠：烟囱式被动散热

    • 电池、主板、喇叭沿中轴线垂直堆叠
    • 利用自然对流实现无风扇静音散热
    • 重心优化，10° 斜面稳定站立

  4. 母女板架构：为声学妥协的工程决策

    • 虽增加成本 ¥10-15/台，但保证麦克风近场拾音
    • FPC 柔性连接适应结构过弯
    • 副板让触摸感应更灵敏

  5. 模组复用认证：聪明的合规策略

    • 利用 ESP32-S3 原厂 FCC ID
    • 只需做整机 EMC 测试
    • 立省 70% 费用（约 ¥25,000），缩短 1 个月

成本优化策略

优化点 传统方案 我们的方案 节省
主控芯片 Linux 板（¥150） ESP32-S3（¥35） ¥115
射频测试 全套 FCC（¥35k） 模组复用（¥9k） ¥26,000
结构开模 钢模（¥60k） 铝模（¥12k） ¥48,000
麦克风方案 3-Mic（+¥18） 2-Mic（+¥12） ¥6
总计节省 约 ¥75,000

风险管控措施

风险点 风险等级 缓解措施
Wi-Fi 信号弱 🔴 高 预留 IPEX 外部天线焊盘；严格执行净空区设计
AEC 算法失效 🔴 高 麦克风二级密封；喇叭悬浮减震；DVT 阶段声学测试
内存溢出 🟡 中 强制使用 PSRAM；分时隔离（配网时关音频）
续航不足 🟡 中 DFS 动态调频；深睡眠模式；电量低于 20% 禁止 OTA
装配良率低 🟡 中 防呆设计；颜色管理；自锁卡扣；PVT 阶段验证
供应链断货 🟢 低 关键物料备 2-3 家供应商；提前锁定 500 台物料

📊 项目里程碑与时间线 (Project Timeline)

完整开发周期（从零到 500 台）

项目周期与依赖关系

阶段 周期 核心任务 依赖关系
EVT 样机 2 周 开发板验证 + 3D打印外壳 无依赖，可立即启动
DVT 验证 4-6 周 结构设计 + PCBA 打板 + 真空复模 + 声学测试 依赖 EVT 功能验证通过
PVT 试产 6-8 周 开铝模 + 500台量产 + FCC测试 依赖 DVT 设计定稿
交付 1 周 包装与发货 依赖 PVT 全部完成

关键路径：EVT → DVT → PVT → 交付，总计约 3-4 个月

可并行任务：

  • DVT 阶段：结构设计与 PCBA 设计可同步进行
  • PVT 阶段：FCC 认证测试可与模具开模并行

总周期：约 12-14 周（3-3.5 个月）

关键里程碑检查点

里程碑 交付物 验收标准
M1: EVT 完成 功能验证机 1 台 能唤醒、能对话、能打断
M2: DVT 完成 高精度样机 5-10 台 装配无干涉、声学达标、手感合格
M3: 首批 PCBA PCBA 成板 500 片 电测良率 > 95%
M4: 硅胶外壳 硅胶蒙皮 500 套 无溢料、无色差、分模线 < 0.1mm
M5: FCC 认证 FCC 测试报告 辐射杂散合格
M6: 总装完成 成品玩具 500 台 综合良率 > 90%

✅ 即刻启动清单 (Quick Start Checklist)

第一周行动清单

  • 硬件准备：

    • 购买 ESP32-S3-Korvo-1 开发板（¥260）
    • 购买 3D 打印测试外壳（¥50）
    • 准备测试用 Type-C 数据线、电源适配器

  • 软件环境：

    • 安装 VS Code + Espressif IDF 插件
    • 安装 ESP-IDF v5.1.2 + ESP-ADF
    • 克隆本项目代码仓库

  • 团队组建：

    • 明确技术负责人（固件/硬件/结构）
    • 联系 3 位以上结构工程师询价
    • 注册嘉立创账号，熟悉 EDA 工具

  • 财务准备：

    • 锁定第一笔研发预算（¥10,000 - ¥20,000）
    • 准备量产预算计划（¥126,000）

第一个月目标

  • 完成 EVT 功能验证机（证明"能响、能听"）
  • 完成固件基础功能（唤醒词、音频流水线、LiveKit 连接）
  • 确定结构设计合作方，启动 3D 建模
  • 完成硬件原理图设计，准备首版 PCB 打板

三个月目标

  • 完成 DVT 设计验证（5-10 台高精度样机）
  • 完成 PVT 小批量试产（500 台）
  • 通过 FCC 认证测试
  • 建立完整的供应链体系

🎯 成功标准 (Success Criteria)

产品性能标准

指标 目标值 验证方法
端到端延迟 < 500ms 计时器测量（说话到回复）
打断响应时间 < 50ms 本地 VAD 触发到喇叭静音
唤醒词识别率 > 95% 100 次唤醒测试
误唤醒率 < 1 次/小时 24 小时环境噪音测试
Wi-Fi 信号强度 > -70dBm @ 5m 装配后实测 RSSI
续航时间 > 4 小时 持续对话测试
声学隔离度 > 20dB 播放粉红噪音对比测试
AEC 抑制比 > 25dB 最大音量下录音测试

量产质量标准

指标 目标值 验证方法
PCBA 良率 > 95% 电测工位统计
总装良率 > 90% 成品测试统计
外观合格率 > 95% 目检 + 抽检
跌落测试 1m 自由落体无损坏 抽检 5%
老化测试 24 小时连续播放无死机 抽检 5%

用户体验标准

  • ✅ 唤醒响应：自然、快速，无需重复
  • ✅ 对话体验：流畅、可打断，无卡顿
  • ✅ 音质效果：清晰、响亮，无杂音
  • ✅ 交互反馈：LED 灯光与语音状态同步
  • ✅ 手感质量：扎实、舒适，无廉价感
  • ✅ 充电体验：Type-C 接口，1.5 小时充满

📋 项目管控与检查清单 (Project Management)

全流程检查清单 (Comprehensive Checklist)

为确保项目顺利推进，避免关键遗漏，我们准备了覆盖硬件、固件、结构、量产全流程的检查清单：

📖 详细清单：项目全流程 Checklist

核心检查点包括：

  • ✅ 硬件设计关键项（天线净空、电源完整性、音频路径）
  • ✅ 固件稳定性（内存管理、双核调度、AFE 配置）
  • ✅ 结构与声学（麦克风密封、喇叭隔离、散热设计）
  • ✅ 量产准备（烧录治具、测试工位、防呆设计）
  • ✅ 出口合规（FCC 认证、UN38.3 电池认证）

产品决策日志 (Decision Log)

在项目启动前，需要明确一系列核心决策。这些决策将直接影响技术路线、BOM 成本和用户体验：

📖 决策指南：产品关键决策与待讨论事项

核心决策点包括：

  • 🎯 交互场景定位（手持近场 vs. 桌面远场）
  • 🎯 唤醒逻辑选择（始终监听 vs. 按键触发）
  • 🎯 材质与保护等级（软织物 vs. 硬质硅胶）
  • 🎯 唤醒词方案（Picovoice vs. 乐鑫定制）
  • 🎯 声学布局策略（背部出音 vs. 正面出音）

使用建议：在启动 EVT 阶段之前，团队应完整讨论并记录所有决策点，避免后期频繁变更导致的时间和成本浪费。

📚 延伸阅读 (Further Reading)

官方文档

参考项目

社区资源

💡 项目自述 (Project Statement)

本项目不仅是一份技术文档，它是一套经过深度工程论证、可随时调拨资金投入生产的准商品级方案。

我们坚信：

  • 技术应该为产品服务，而不是炫技
  • 成本控制是核心竞争力，而不是事后弥补
  • 工程严谨性决定量产成败，而不是运气

如果您：

  • 拥有独特的 AI 人物 IP
  • 掌握了 LLM 对话与 TTS 克隆技术
  • 希望将软件能力转化为实体产品
  • 缺乏硬件、结构、量产经验

那么，这套方案就是为您准备的。

我们已经踩过所有该踩的坑，做出了所有关键决策，准备好了所有执行细节。

现在，只需要您的决心和预算，就可以立即启动。

📞 联系与支持 (Contact & Support)

如果您在使用本方案过程中遇到任何问题，欢迎通过以下方式联系我们：

  • 技术问题：提交 GitHub Issue
  • 商务合作：发送邮件至 [您的邮箱]
  • 供应链对接：查看 实施主文档 中的供应商清单

最后更新时间：2024-01-12

文档版本：v1.0

维护者：AI 名人语音玩具项目组

About

aiot-doc for TrumpAI

Resources

Readme
Activity
Custom properties

Stars

1 star

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors