チップ対応とストレージ仕様

ボードを選ぶ前、または新しいボードを移植する前に、次の 3 点を確認してください。ファームウェアがどのチップに対応しているか、チップごとにどのオーディオ/ウェイクワード経路が使われるか、フラッシュ容量にどのパーティションテーブルが対応するか、です。このページには、ファームウェアのソースとリリースマニフェストで確認できる内容だけを記載しています。チップ自体の電気的パラメータは、Espressif 公式のデータシートを参照してください。

1. 対応チップ

下表の数は v2.5.2 のリリースマニフェスト(ボードディレクトリ 154、ファームウェアバリアント 188)に基づきます。完全な一覧は対応ボード一覧を参照してください。

チップボードディレクトリファームウェアバリアントオーディオ入力エンジンローカルウェイクワード
ESP32-S3114126AfeAudioEnginePSRAM がある場合は既定で Wakenet model with AFE。MultiNet のカスタムウェイクワードも選択可
ESP32-P4627AfeAudioEngineESP32-S3 と同じ
ESP32-C31010LiteAudioEngineWakenet model without AFE を選択可
ESP32-C61010LiteAudioEngineESP32-C3 と同じ
ESP3267LiteAudioEngineWakenet model without AFE の選択には PSRAM が必要
ESP32-S3144AfeAudioEngineESP32-S3 と同じ。ESP-IDF 6.1 以上が必要
ESP32-C544LiteAudioEngineESP32-C3 と同じ

根拠:上流の main/audio/README.md(エンジンと対象チップの対応)と main/Kconfig.projbuild(WAKE_WORD_TYPE の depends on 条件)。

2 つのエンジンの違い:

  • AfeAudioEngine:FD AFE インスタンスを 1 つ使い、ウェイクワード検出とアップリンクの音声処理で共有します。オーディオ処理を有効にすると、エコーキャンセル(AEC)と VAD が使えます。
  • LiteAudioEngine:生のモノラル PCM をそのまま出力し、AEC と VAD は行いません。ウェイクワード(設定した場合)は独立した WakeNet を使います。

2. PSRAM 要件

  • ESP32-S3 / P4 / S31:カスタムウェイクワード(MultiNet)、AFE ウェイクワード、AFE オーディオ処理(USE_AUDIO_PROCESSOR)はいずれも PSRAM が必要です。
  • ESP32:PSRAM がない場合、ウェイクワードは既定で無効です。ボタンまたは外付けモジュールで会話を開始します。ESP32 エコノミー版を参照してください。
  • ディスプレイライブラリ LVGL のメモリプールにも、PSRAM あり/なしの 2 つの実装があります(main/display/lvgl_psram_pool.h、lvgl_no_psram_pool.h)。
  • N8R2(フラッシュ 8 MB、PSRAM 2 MB)などの構成で必要な追加設定は、ハードウェア構築ガイドを参照してください。

3. パーティションテーブル(v2)

v2 のパーティションテーブルは、アプリパーティションに加えて assets パーティションを持ちます。ウェイクワードモデル、フォント、絵文字、チャット背景を格納します。詳細はカスタム Assets ガイドを参照してください。

ファイルアプリパーティションassets
4m.csvfactory が 1 つ(0x2F0000)、デュアル OTA なし1 MB
8m.csvota_0 / ota_1 が各 0x2F00002 MB
16m.csvota_0 / ota_1 が各 0x3F0000(約 4 MB)8 MB
16m_c3.csvota_0 / ota_1 が各 0x3F0000(約 4 MB)4000K(利用可能な mmap ページ数による制限)
32m.csvota_0 / ota_1 が各 4 MB16 MB

partitions/v1/ には旧レイアウトが残っています(モデルは model パーティションに置かれ、assets パーティションはありません)。

4. オーディオパラメータ

  • 多くのボードの config.h は AUDIO_INPUT_SAMPLE_RATE 16000 と AUDIO_OUTPUT_SAMPLE_RATE 24000 を定義しています。アップリンクでエンコーダに渡されるのは 16 kHz のモノラル PCM です。
  • Opus のフレーム長は 60 ms です(OPUS_FRAME_DURATION_MS)。
  • オンボードマイクのチャンネルは、既定で M(シングルマイク)または MR(シングルマイク+再生リファレンス)として宣言します。宣言は、コーデックが返すインターリーブ PCM と一致している必要があります。

5. 開発環境

ファームウェアは ESP-IDF v6.0.1 以上を必要とし、release/v6.1 ブランチを推奨します。v2.5.2 のリリースマトリクスは ESP-IDF 6.1.0 でビルドされています。環境構築は ESP-IDF 開発環境のセットアップを参照してください。

関連ドキュメント

出典:78/xiaozhi-esp32 v2.5.2 の main/audio/README.md、main/Kconfig.projbuild、partitions/v2/。