主控与视觉
ESP32-S3 CAM + OV2640，负责 Wi-Fi、BLE、JPEG 采集和云端请求。
OPEN HARDWARE PROTOTYPE · 2026-10
ESP32 + DeepSeek
语音视觉玩具套件
面向玩具嵌入的低成本原型：ESP32-S3 摄像头、I2S 麦克风、数字功放和电池供电。语音识别、语音合成与视觉推理由云端服务完成，外壳提供可编辑的 STEP/STL 源文件。
Wi-Fi / BluetoothOV2640 视觉采集I2S 音频
套件结构
语音输入输出
INMP441 数字麦克风 + MAX98357 功放 + 4Ω/3W 扬声器，使用独立 I2S RX/TX。
3D 打印外壳
76 × 54 × 30 mm 两件式外壳，顶盖摄像头窗、扬声器开孔和麦克风声孔均可调。
当前几何验证
网格
底壳、顶盖和装配 STL 均为闭合网格；装配体包含 2 个实体。
打印方向
底壳平放；顶盖沿 X 轴翻转 180°，DfAM 采样支撑面积约 0.4%。
边界
板卡、镜头、电源板和扬声器的卖家尺寸仍需收货后实测，数字验证不等于实物试装放行。
CAD 下载
软件链路说明
DeepSeek 负责文本/视觉推理；音频仍需配置 STT 和 TTS 服务。ESP32 端只承担采集、编码、网络和播放，不在本地运行大模型。电源模块的输出电流和接口必须在收到实物后测量。