ESP32-C6+旧手机:语音控制小车实战

不用买屏幕、不用摄像头、不用云主机，用一部闲置的旧手机当交互终端，一块DFRobot FireBeetle 2 ESP32-C6做主控，再接入硅基流动大模型API（语音识别+大模型对话+语音合成），就能做出一台会说、会听、会按指令移动的语音控制小车。你只需对它说"先前进，再左转，再右转"，小车就会依次完成三个动作；问它"今天天气怎么样"，它会用稳定的音色回答你。整个网页就托管在C6的Flash里，手机打开浏览器即可使用，完全不需要电脑中转、不需要第三方物联网平台。

项目架构

旧手机(浏览器) --WiFi(2.4G)--> FireBeetle 2 ESP32-C6(HTTPS网页服务器)
 |  |
 | 按住说话/自动听 | L298N 双H桥
 v  v
 录音 -> 硅基流动 Qwen3-ASR --> 文字 --> 硅基流动 Qwen3-8B/32B 对话
  |
 播放 MOSS-TTSD 合成语音 <---------- 输出 actions:[FORWARD,LEFT,...]
  |
  +--------------+
  v
 C6 按顺序执行动作(前进2秒/转向1秒,自动停车)

为什么手机要配C6，而不直接用手机控制电机？

浏览器受安全限制，不能直接驱动GPIO、不能发原始UDP，录音/摄像头还必须HTTPS。C6做"大脑+关节"：提供HTTPS网页、解析指令、驱动电机，手机只负责"声音交互"。

材料清单

类别	名称	数量	说明
主控	DFRobot FireBeetle 2 ESP32-C6 (DFR1075)	1	板载LED(IO15)、支持Wi-Fi 6
驱动	L298N双H桥电机驱动板	1	两路电机,PWM调速
电机	直流减速电机(带轮小车底盘)	2	左右轮各一
电源	3.7V锂电池	1	进L298N 12V端子;C6用Type-C或电池供电
交互	闲置旧手机(安卓/iOS均可)	1	与C6同连一路由器(2.4G)
调试	Type-C数据线	1	烧录+串口监视
服务	硅基流动(SiliconFlow) API	--	注册获得API Key,使用赠送额度即可

接线(L298N 与 C6)

务必共地：L298N的GND与C6的GND相连，否则信号不识别。

C6引脚(GPIO)	方向	L298N端子	作用
GPIO2 (M1_IN1)	-->	IN1(A通道)	左轮方向1
GPIO3 (M1_IN2)	-->	IN2(A通道)	左轮方向2
GPIO4 (M1_PWM)	-->	ENA	左轮速度PWM
GPIO5 (M2_IN1)	-->	IN3(B通道)	右轮方向1
GPIO6 (M2_IN2)	-->	IN4(B通道)	右轮方向2
GPIO7 (M2_PWM)	-->	ENB	右轮速度PWM
GND	<-->	GND	共地(必须)
电池3.7V	-->	12V/VCC	电机电源

引脚定义在主程序顶部，可按实际焊接修改；若转向相反，互换该轮两根IN线即可。

软件与模型

开发环境

Arduino IDE(2.x均可)，安装Espressif ESP32板卡包(3.x)。开发板选择：DFRobot FireBeetle 2 ESP32-C6。工具中设置USB CDC On Boot = Enabled(否则串口在程序运行后会断开)。

硅基流动模型

用途	模型ID	说明
语音识别ASR	Qwen/Qwen3-ASR-1.7B	支持52种语言/方言,识别准、返回快
对话/动作决策	Qwen/Qwen3-8B(默认)	快;可换32B更强
语音合成TTS	fnlp/MOSS-TTSD-v0.5	音色fnlp/MOSS-TTSD-v0.5:alex,稳定

浏览器直连可行(CORS已放行)，无需任何中转服务器。

程序结构

firebeetle2_voice_robot/
+-- firebeetle2_voice_robot.ino (C6主程序,HTTPS服务器+动作控制)
+-- page.h (网页HTML+JS全内嵌,放头文件防注入)
+-- certificates.h (自签名证书,DER二进制)

C6侧核心逻辑

void processCommand(String cmd) {
  cmd.trim(); cmd.toUpperCase();
  Serial.print("[CMD] "); Serial.println(cmd);
  if (cmd == "FORWARD") { startMotion("FORWARD", 2000); }
  else if (cmd == "LEFT" || cmd == "RIGHT") { startMotion(cmd, 1000); }
  else { stopMotionNow(); }
}

两个网页服务：HTTP :80与HTTPS :443(mbedtls自签名)。动作执行后自动停车，等待新指令。

网页功能

功能	说明
按住说话	按住录音、松开识别(指针捕获,长按不选中文字)
持续听(人声唤醒)	听到人声自动录音->识别->对话;1.5秒PCM预卷不漏开头;播报自己声音自动忽略
AI对话	Qwen3-8B/32B,思考模式关闭,回复简短;可一次输出多个动作连续执行
语音播报	MOSS-TTSD固定音色,失败自动重试保持音色;结尾杂音自动裁剪
左右轮调速	两个滑块独立调PWM(默认左240/右255)

制作步骤

1. 烧录：用Arduino IDE打开主程序，选板卡"DFRobot FireBeetle 2 ESP32-C6"，CDC On Boot=Enabled，上传。

2. 配置WiFi：改主程序顶部WIFI_SSID/WIFI_PASS(C6仅支持2.4GHz)；默认静态IP可按路由器网段修改。

3. 配API Key：page.h顶部API_KEY换成你的硅基流动Key。

4. 串口监视器(115200)看到：WiFi已连接、HTTPS已启动，板载LED闪两下。

5. 手机：连同一WiFi，打开https://C6的IP(自签名证书 -> 高级 -> 继续访问)。

6. 先点"试听播报"验证链路，再按住说话或开启持续听。

技术难点与解决

1. 浏览器不能裸发UDP/录音必须HTTPS

C6用mbedtls做自签名HTTPS服务器，证书以DER二进制内嵌，手机浏览器"高级->继续访问"即可。

2. Arduino的"生成函数原型"会把#line注进HTML，毁掉页面JS

把网页HTML移进page.h头文件(原型生成器只处理.ino，不碰头文件)。这是"同一份代码有时页面白屏"类问题的根源。

3. 老手机浏览器不支持现代JS

页面JS用ES5兼容写法+拆成两个script块：第一块做极简启动自检，一眼判断是"浏览器不支持"还是"页面问题"。

4. 持续听漏掉开头几个字

用PCM预卷环(始终保留最近1.5秒音频)，检测到人声即把预卷拼回录音，开头一字不丢。

5. TTS音色忽男忽女/结尾有杂音

固定音色，接口失败自动重试保持音色；播放前解码并按结尾静音裁剪，同时先停掉上次播放防重叠串音。

6. 一次说多个动作

对话里约定输出JSON格式包含reply和actions数组，网页解析后逐个发送并等上一个动作完成再下一个。

注意事项

API Key内嵌在网页里，仅限自家局域网使用，勿上传公开仓库；被其他人连到同一WiFi即可使用你的Key，注意额度。C6只支持2.4GHz WiFi；手机最好连2.4G段信号更稳。L298N必须与C6共地；电机单独由电池供电，不要从C6引脚取电。