ats-mini 的安装和配置教程
项目基础介绍
ats-mini 是一款为 SI4732 (ESP32-S3) Mini/Pocket Receiver 设计的固件。该项目基于多个开源项目,包括 Volos Projects、PU2CLR、Ralph Xavier、Goshante 以及 G8PTN 等人的作品。主要使用 C++ 和 C 语言进行开发。
项目使用的关键技术和框架
该项目主要利用 ESP32-S3 芯片的能力,结合 SI4732 射频芯片,实现了无线电接收的功能。使用的技术和框架包括:
- ESP-IDF:ESP32 官方开发框架,用于开发 ESP32 系列芯片的软件。
- Arduino IDE:用于编写和上传固件到 ESP32 设备的集成开发环境。
- SI4732 库:用于控制 SI4732 射频芯片的库。
项目安装和配置的准备工作
在开始安装和配置 ats-mini 前,请确保你已经准备好了以下环境和工具:
- 一台安装有 Arduino IDE 的计算机(推荐使用最新版本的 Arduino IDE)。
- 一块 ESP32-S3 开发板。
- USB 数据线,用于连接开发板到计算机。
- 如果需要,准备一个天线以改善接收效果。
安装步骤
以下是详细的安装步骤:
-
下载项目代码: 打开 Arduino IDE,点击
File(文件)->Examples(示例)->Import from GitHub(从 GitHub 导入),然后输入esp32-si4732/ats-mini并按照提示完成操作。 -
配置 Arduino IDE: 在 Arduino IDE 中,你需要设置开发板的板型和端口。点击
Tools(工具)->Board(板型)->ESP32 S系列(ESP32 S Series),然后选择你的开发板型号。 接着,选择正确的端口。 -
安装依赖库: 在 Arduino IDE 中,点击
Sketch(草图)->Include Library(包含库)->Manage Libraries(管理库),然后搜索并安装ESP-IDF和SI4732相关的库。 -
编译代码: 在完成以上设置后,点击
Verify(验证)按钮,确保代码没有编译错误。 -
上传固件: 使用 USB 数据线连接 ESP32 开发板到计算机,然后点击
Upload(上传)按钮将固件上传到开发板。 -
测试功能: 固件上传完成后,开发板会自动重启。此时你可以使用开发板上的按键或通过串口命令来控制接收频率和电台。
确保在每一步操作中都严格按照指南进行,如果在某个步骤中遇到问题,请检查你的设置是否正确,或者参考项目的 README 文件和 ISSUES 页面以获得帮助。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00