最贴心的AI玩伴:Movecall-Moji-ESP32S3墨迹板深度解析
你是否曾想拥有一个既能听懂你说话,又能通过可爱表情回应的AI伙伴?Movecall-Moji-ESP32S3墨迹板正是这样一款专为AI交互设计的开发板。本文将带你全面了解这款基于ESP32S3芯片的圆形屏幕开发板,从硬件配置到软件开发,让你轻松上手打造专属AI朋友。
开发板概览
Movecall-Moji-ESP32S3墨迹板是一款专为AI交互设计的开发板,采用了ESP32S3芯片,配备圆形LCD显示屏和完整的音频输入输出系统。
该开发板的核心配置信息如下:
- 主芯片:ESP32S3
- 显示屏:240x240分辨率圆形LCD
- 音频编解码器:ES8311
- 支持WiFi连接
开发板的硬件配置文件位于项目中的main/boards/movecall-moji-esp32s3/config.h,软件配置文件位于main/boards/movecall-moji-esp32s3/config.json。
硬件配置详解
显示屏配置
Movecall-Moji配备了一块240x240分辨率的圆形LCD显示屏,采用GC9A01驱动芯片。显示屏通过SPI接口与ESP32S3连接,相关引脚定义如下:
#define DISPLAY_WIDTH 240
#define DISPLAY_HEIGHT 240
#define DISPLAY_MIRROR_X true
#define DISPLAY_MIRROR_Y false
#define DISPLAY_SWAP_XY false
#define DISPLAY_SPI_SCLK_PIN GPIO_NUM_16
#define DISPLAY_SPI_MOSI_PIN GPIO_NUM_17
#define DISPLAY_SPI_CS_PIN GPIO_NUM_15
#define DISPLAY_SPI_DC_PIN GPIO_NUM_7
#define DISPLAY_SPI_RESET_PIN GPIO_NUM_18
由于屏幕是圆形设计,系统特别对状态栏进行了优化:
// 由于屏幕是圆的,所以状态栏需要增加左右内边距
lv_obj_set_style_pad_left(status_bar_, LV_HOR_RES * 0.33, 0);
lv_obj_set_style_pad_right(status_bar_, LV_HOR_RES * 0.33, 0);
音频系统配置
Movecall-Moji配备了完整的音频输入输出系统,采用ES8311音频编解码器,支持24000Hz采样率的音频处理。
#define AUDIO_INPUT_SAMPLE_RATE 24000
#define AUDIO_OUTPUT_SAMPLE_RATE 24000
#define AUDIO_I2S_GPIO_MCLK GPIO_NUM_6
#define AUDIO_I2S_GPIO_WS GPIO_NUM_12
#define AUDIO_I2S_GPIO_BCLK GPIO_NUM_14
#define AUDIO_I2S_GPIO_DIN GPIO_NUM_13
#define AUDIO_I2S_GPIO_DOUT GPIO_NUM_11
#define AUDIO_CODEC_PA_PIN GPIO_NUM_9
#define AUDIO_CODEC_I2C_SDA_PIN GPIO_NUM_5
#define AUDIO_CODEC_I2C_SCL_PIN GPIO_NUM_4
#define AUDIO_CODEC_ES8311_ADDR ES8311_CODEC_DEFAULT_ADDR
音频编解码器通过I2C总线进行控制,初始化代码位于main/boards/movecall-moji-esp32s3/movecall_moji_esp32s3.cc中的InitializeCodecI2c函数。
按键与LED配置
开发板配备了一个BOOT按键和一个内置LED:
#define BUILTIN_LED_GPIO GPIO_NUM_21
#define BOOT_BUTTON_GPIO GPIO_NUM_0
BOOT按键可以用于切换聊天状态或重置WiFi配置,相关代码实现如下:
boot_button_.OnClick([this]() {
auto& app = Application::GetInstance();
if (app.GetDeviceState() == kDeviceStateStarting && !WifiStation::GetInstance().IsConnected()) {
ResetWifiConfiguration();
}
app.ToggleChatState();
});
软件开发指南
项目结构
Movecall-Moji的软件代码位于项目的main/boards/movecall-moji-esp32s3/目录下,主要包含以下文件:
- movecall_moji_esp32s3.cc: 开发板初始化和控制的主要实现
- config.h: 硬件配置参数定义
- config.json: 构建配置
核心实现类
Movecall-Moji开发板的核心功能由MovecallMojiESP32S3类实现,该类继承自WifiBoard,主要实现了以下方法:
class MovecallMojiESP32S3 : public WifiBoard {
public:
virtual Led* GetLed() override;
virtual Display* GetDisplay() override;
virtual Backlight* GetBacklight() override;
virtual AudioCodec* GetAudioCodec() override;
// ...
};
这个类负责初始化所有硬件组件,包括显示屏、音频编解码器、按键等,并提供统一的访问接口。
显示屏驱动实现
为了适应圆形屏幕的特殊形状,项目中实现了CustomLcdDisplay类,对标准LCD显示功能进行了定制:
class CustomLcdDisplay : public SpiLcdDisplay {
public:
CustomLcdDisplay(esp_lcd_panel_io_handle_t io_handle,
esp_lcd_panel_handle_t panel_handle,
int width, int height,
int offset_x, int offset_y,
bool mirror_x, bool mirror_y,
bool swap_xy)
: SpiLcdDisplay(io_handle, panel_handle, width, height, offset_x, offset_y, mirror_x, mirror_y, swap_xy) {
// 圆形屏幕特殊处理
lv_obj_set_style_pad_left(status_bar_, LV_HOR_RES * 0.33, 0);
lv_obj_set_style_pad_right(status_bar_, LV_HOR_RES * 0.33, 0);
}
};
MCP协议支持
Movecall-Moji开发板支持MCP(Module Communication Protocol)协议,可以与其他设备进行通信。MCP协议是项目自定义的通信协议,详细规范请参考项目文档docs/mcp-protocol.md。
MCP协议的使用方法可以参考docs/mcp-usage.md,通过MCP协议,你可以轻松扩展开发板的功能,实现与其他设备的互联互通。
应用场景
Movecall-Moji-ESP32S3墨迹板非常适合开发以下类型的AI交互应用:
- 智能语音助手:利用板载的音频输入输出系统,实现语音识别和合成,打造专属语音助手
- 情感交互机器人:通过圆形屏幕显示丰富的表情,与用户进行情感互动
- 智能家居控制中心:连接WiFi后,可作为智能家居系统的控制终端
- 教育娱乐设备:开发互动游戏或教育应用,提供有趣的学习体验
总结与展望
Movecall-Moji-ESP32S3墨迹板凭借其独特的圆形屏幕设计和完整的音频系统,为AI交互应用开发提供了理想的硬件平台。通过本文的介绍,相信你已经对这款开发板有了全面的了解。
项目的官方文档还提供了更多详细信息,包括自定义电路板指南和WebSocket协议说明,帮助你进一步扩展和定制开发板功能。
如果你对这款开发板感兴趣,不妨动手尝试,打造属于你的AI朋友!记得点赞收藏本文,关注项目更新,获取更多开发技巧和应用案例。
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

