如何打造你的专属智能网络收音机:YoRadio基于ESP32的完整DIY指南 📻
YoRadio 是一款基于ESP32-audioI2S库开发的开源网络收音机项目,它将低成本硬件与强大功能完美结合,让你轻松构建个性化的音频播放系统。无论是智能家居爱好者还是电子DIY新手,都能通过这个项目体验从硬件组装到无线控制的完整乐趣。
📌 为什么选择YoRadio?5大核心优势解析
1️⃣ 超简单硬件搭建:兼容多种ESP32开发板
YoRadio支持市面上主流的ESP32开发板,配合I2S DAC或VS1053b音频模块即可实现高品质音效输出。项目提供详细的硬件接线图,即使是电子入门者也能快速上手。
图:典型的YoRadio硬件组装效果,包含ESP32主板、显示屏和控制按钮
2️⃣ 可视化操作界面:多种显示屏随心选
从小巧的SSD1306 OLED屏到高清的TFT彩屏,YoRadio都能完美适配。用户可通过触摸屏或编码器轻松切换电台、调节音量,界面简洁直观。
3️⃣ 智能家居无缝集成:MQTT协议联动Home Assistant
通过内置MQTT客户端,YoRadio可与Home Assistant等智能家居系统深度整合。你可以用语音助手控制播放状态,或根据家庭场景自动切换播放内容。
图:在Home Assistant中控制YoRadio的界面截图
4️⃣ 一键Web配置:无需编程轻松设置
连接设备后,通过浏览器访问内置Web服务器即可完成WiFi配置、电台管理和音效调节。支持自定义电台列表,轻松添加你喜爱的网络广播。
图:YoRadio的Web配置界面,可直观管理网络和播放设置
5️⃣ 强大插件扩展:功能无限拓展
项目内置插件管理器,支持背光控制、深度睡眠等实用功能。开发者可通过examples/plugins/目录下的模板快速开发自定义功能。
🛠️ 快速上手:3步完成YoRadio部署
准备材料清单
- ESP32开发板(推荐ESP32-WROOM-32)
- I2S音频模块或VS1053b解码器
- 扬声器或耳机
- microSD卡(可选,用于本地音乐播放)
固件刷写指南
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/yo/yoradio - 使用Arduino IDE打开yoRadio/yoRadio.ino
- 根据硬件配置修改examples/myoptions.h
- 连接ESP32并上传固件
首次配置流程
- 上电后连接YoRadio创建的WiFi热点
- 在浏览器访问
192.168.4.1进入配置页面 - 输入家庭WiFi信息并添加喜爱的网络电台URL
- 保存设置后设备自动重启,开始享受音乐
📱 高级玩法:解锁YoRadio隐藏功能
MQTT控制协议
通过MQTT客户端发送指令,可实现远程控制播放状态:
- 播放/暂停:
topic: yoradio/control payload: play/pause - 音量调节:
topic: yoradio/volume payload: 0-100
触摸屏交互优化
对于配备触摸屏的设备,可通过src/touchscreen.cpp自定义触摸手势,支持滑动切台、双击静音等快捷操作。
🛡️ 常见问题解决
无声音输出?
- 检查音频模块接线是否正确
- 确认examples/myoptions.h中音频驱动配置正确
- 尝试更换扬声器或检查音量设置
WiFi连接失败?
- 确保输入的WiFi密码正确
- 尝试靠近路由器或切换2.4GHz网络
- 重置设备后重新配置(长按复位键5秒)
🎯 总结:开启你的智能音频之旅
YoRadio不仅是一个网络收音机项目,更是一个开源的音频控制平台。通过简单的硬件组合和直观的配置,任何人都能打造属于自己的智能音频设备。无论是厨房的背景音乐系统,还是卧室的睡前故事播放器,YoRadio都能满足你的个性化需求。
图:基于YoRadio项目制作的PCB电路板,完美整合所有组件
立即访问项目仓库开始你的DIY之旅,加入YoRadio社区分享你的创意改装方案吧!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00

