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!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00

