Arduino-Pico 4.4.3版本发布:双向I2S与软件SPI功能解析
Arduino-Pico项目为Raspberry Pi Pico/RP2040微控制器提供了完整的Arduino核心支持,让开发者能够在熟悉的Arduino开发环境中充分利用RP2040芯片的强大功能。最新发布的4.4.3版本带来了两项重要的功能升级:双向I2S接口支持和软件实现的SPI接口,进一步扩展了RP2040在音频处理和灵活外设连接方面的能力。
双向I2S接口支持
I2S(Inter-IC Sound)是一种专为数字音频数据传输设计的串行总线标准。在之前的版本中,Arduino-Pico仅支持单向I2S通信,即要么作为发送方,要么作为接收方。4.4.3版本引入了双向I2S支持,允许同一组BCLK(位时钟)和LRCLK(左右声道时钟)信号线同时用于输入和输出。
这项改进意味着:
- 音频设备可以同时进行录制和播放,共享同一时钟信号
- 减少了硬件连接复杂度,节省了宝贵的GPIO引脚资源
- 为全双工音频应用如VoIP、实时音频处理等场景提供了更好的支持
实现上,项目团队对AudioBufferManager和I2S驱动进行了增强,新增了缓冲区读取功能,确保音频数据能够高效地在输入和输出之间流转。
软件SPI实现
传统SPI接口通常需要专用的硬件引脚,这在引脚资源紧张或需要特殊布局时会成为限制。4.4.3版本通过PIO(可编程I/O)技术实现了软件SPI,具有以下特点:
- 完全通过软件实现,不依赖硬件SPI外设
- 可在任意GPIO引脚上配置SPI功能
- 保持与标准SPI库相同的API接口,便于移植现有代码
- 利用RP2040独特的PIO状态机实现高效位操作
这项功能特别适合以下场景:
- 当硬件SPI引脚已被其他功能占用时
- 需要多个SPI设备但硬件SPI接口数量不足
- 特殊PCB布局要求SPI信号走特定路径
其他改进
除了上述主要功能外,4.4.3版本还包含多项优化:
- 改进了PSRAM和Boot2的文档说明,帮助开发者更好地理解和使用这些功能
- OTA(空中下载)更新器增加了更详细的错误代码,便于诊断网络存储(OOS)相关的问题
- 修复了Adafruit Feather RP2350 HSTX板上的I2C功能问题
- 移除了不必要的SDFAT_FILE_TYPE设置,使用默认值即可正常工作
技术实现细节
在底层实现上,开发团队对SPI和SoftwareSPI的代码进行了重构,消除了重复代码,提高了维护性。双向I2S的实现则充分利用了RP2040的DMA和双核特性,确保音频数据能够高效传输而不占用过多CPU资源。
对于软件SPI,PIO的灵活编程能力是关键。每个PIO状态机可以精确控制引脚时序,实现SPI协议要求的时钟和数据同步,同时保持较低的中断开销。
结语
Arduino-Pico 4.4.3版本的发布进一步丰富了RP2040在Arduino生态系统中的功能集。双向I2S为音频应用开发者提供了更多可能性,而软件SPI则解决了硬件限制带来的困扰。这些改进体现了项目团队对实际开发需求的深刻理解和对RP2040硬件特性的充分利用,为嵌入式音频处理和灵活外设连接提供了更加强大的工具集。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00