【轻AI越影视觉开发板】local_voice_process 语音功能模块教程——从音频采集到本地语音识别、多模态视觉交互与 ESP32-S31 硬核对比

我就是全世界

357人浏览 · 2026-11-12 07:46:13

我就是全世界 · 2026-11-12 07:46:13 发布

【轻AI越影视觉开发板】local_voice_process 语音功能模块教程——从音频采集到本地语音识别、多模态视觉交互与 ESP32-S31 硬核对比

摘要：本文基于上海海思轻AI越影解决方案的 【轻AI越影视觉开发板】，从零带你完成开箱组装、多仓 SDK 环境搭建、官方 local_voice_process 全双工语音模块源码剖析与上板实测。在此基础上，我更进一步将自研的边端实时语音助手（edge_voice_assistant）与 LVGL Siri 式流体动效、1080p 摄像头实时视觉理解（VLM） 完整移植到轻AI越影视觉开发板上，并给出了与乐鑫 ESP32-S31-Korvo-1 在同一云端、同一协议下的 27 轮端到端延迟、硬件 VQE 降噪（+10 dB）、AEC 回声抑制（29~36 dB）及 CPU/内存开销的硬核量化对比。全文干货含完整命令、源码解析、踩坑指南与实拍演示视频，小白照做即可复现！

一、准备篇：开箱组装、硬件接线与编译烧录全流程
二、教程篇（核心）：详解 local_voice_process 模块架构与实战跑通
三、进阶篇：对比 ESP32-S31 边端语音助手 + GUI 屏幕联动 + 视觉多模态实战
四、总结篇：易用性、文档质量体验总结与适用场景建议

一、准备篇：开箱组装、硬件接线与编译烧录全流程

1.1 开发板开箱与全家福

收到 轻AI越影视觉开发板 时，包装非常扎实。整套开发套件采用模块化设计，包含：

轻AI越影视觉核心主板（搭载海思轻AI越影视觉 SoC：双核 ARM Cortex-A7 @ 950MHz + 1 TOPS NPU + 128MB DDR3L + 256MB SPI NAND Flash）；
WS73 无线通信扩展板（支持 Wi-Fi 6 + BLE 5.2 + 星闪 SLE 1.0，通过 40-Pin 扩展接口与主板叠层连接）；
OS04D10 400 万像素 MIPI CSI 摄像头模组（支持 2560×1440@30fps 采集，带 IR-CUT 日夜切换）；
2.8 英寸 240×320 SPI 电容触摸屏（JD9853 驱动 IC）；
腔体喇叭（8Ω / 2W）、散热片、亚克力支架与铜柱螺丝包。

1.2 主板、扩展板与麦克风/喇叭硬件接口详解

在动手接线前，我先带大家摸清主板和扩展板上的关键接口，尤其是音频采集与播放链路的硬件位置：

板载双模拟硅麦（MIC1 / MIC2）：主板正面左右两侧各焊接了一颗全向模拟 MEMS 硅麦（型号 ML-3729-T1M1），采用伪差分（IN_D）方式直接进入主控芯片内置的 ACODEC（音频编解码器），无需外挂音频 Codec 芯片即可实现双麦拾音。
板载功放与喇叭接口（SPK）：主板带有 2-Pin 防呆端子，由内置 ACODEC DAC 输出经板载功放驱动 8Ω/2W 腔体喇叭。
关键拨码开关 SW1301：
- SW1301-1：SPI0 屏幕与 TF 卡（SDIO0）复用切换开关。默认拨在 OFF（单屏显示模式），此时 GPIO3_4~3_7 与 GPIO4_0~4_3 路由给 40-Pin 扩展口驱动 2.8" SPI LCD；若拨到 ON 则切换给背面 TF 卡槽（屏幕将无显示）。本文全程需要屏幕交互，请务必保持 SW1301-1 = OFF！

在这里插入图片描述

1.3 整机组装与喇叭/摄像头/屏幕接线图解

硬件组装与音频/视频接线拓扑关系如下表与框图所示（5 分钟即可完成）：

硬件外设接线对照表（Markdown 拓扑）

主板/扩展板接口	连接目标外设	信号通路说明	接线注意事项
板载 MIC1 / MIC2	板载双模拟硅麦（`ML-3729-T1M1 ×2`）	模拟差分输入 `IN_D` → 芯片内置 `ACODEC (/dev/acodec)`	板载已焊接，保持正面拾音孔无遮挡
主板 2-Pin 喇叭座 (`J_SPK`)	8Ω 2W 腔体喇叭	内置 `ACODEC DAC` → 板载功放 → 喇叭	红正黑负对准防呆卡扣插紧，不接则无语音播报
主板 `MIPI CSI0` 座	OS04D10 4MP 摄像头模组	2-Lane MIPI CSI → 硬件 ISP 管线	FFC 排线金手指朝向板内，务必扣紧黑色锁扣
主板 `40-Pin` 扩展排母	WS73 无线通信扩展板	`SDIO1`（Wi-Fi/BLE/星闪）+ `SPI0` + `I2C`	对齐铜柱孔位垂直插紧，避免错位一排
扩展板 `LCD FPC` 座	2.8 寸 240×320 触摸屏	`SPI0`（显示刷新）+ `I2C`（Hynitron 触摸）	保持主板拨码开关 `SW1301-1 = OFF`
主板 `Type-C` 接口	电脑 USB / 5V 2A 电源	5V 供电 + 板载 CH340 调试串口 (`115200`)	建议使用带数据传输能力的 Type-C 线连接电脑

+-------------------------------------------------------------------------+
|                       轻AI越影视觉开发板核心主板                        |
|                                                                         |
|  [板载双模拟硅麦 ML-3729-T1M1 x2] ---> [内置 ACODEC (/dev/acodec)]       |
|                                                |                        |
|                                                v                        |
|                                      [2-Pin 喇叭接口 J_SPK]             |
|                                                | (红正黑负插紧)          |
|                                                v                        |
|                                      [8Ω 2W 腔体扬声器]                 |
|                                                                         |
|  [MIPI CSI0 接口] ===(FFC排线/金手指朝内)===> [OS04D10 4MP 摄像头模组]    |
|                                                                         |
|  [40-Pin 扩展排母] ===(SDIO1 + SPI0 + I2C)===> [WS73 Wi-Fi6/星闪扩展板]  |
|                                                        | (FPC 排线)      |
|                                                        v                |
|                                              [2.8寸 240x320 电容触摸屏]  |
+-------------------------------------------------------------------------+

⚠️ 组装防呆提醒：

喇叭接线：将附带的 8Ω/2W 喇叭插头插入主板的 2-Pin 喇叭座（卡扣方向对准按紧），不接喇叭后续跑 local_voice_process 会变成“哑巴”。

摄像头 FFC 排线：务必确认金手指接触面方向正确并扣紧黑色锁扣，排线插反会导致启动时报错 sensor probe failed。

供电要求：使用主板上的 Type-C 接口（5V/2A） 供电，同时该口内置了 CH340 串口桥接（波特率 115200）。

组装完成后的四视图如下，小巧紧凑，非常像一台微缩版的桌面 AI 伴侣机器人：

在这里插入图片描述

上电后，板载预装的出厂系统（factory_demo_ws73_lcd）秒级启动，2.8 寸屏幕点亮，支持触控进入视频预览、RTSP 推流、BLE 配网等模块：

在这里插入图片描述

1.4 SDK 获取、编译环境搭建与固件/程序上板全流程

步骤 1：获取上海海思HiSpark社区多仓源码（避坑必看！）

轻AI越影视觉开发板的 hi_aiot_solution 采用 Repo 多仓库架构（包含主框架仓、开发板仓、芯片 SDK 仓、AI 组件仓、媒体组件仓等 7 个子仓）。

🚨 新手头号大坑：如果你只用 git clone https://gitcode.com/HiSpark/hi_aiot_solution.git 克隆主仓，会发现主仓的 .gitignore 把 apps/、components/、sdk/ 下的核心子目录全部排除了，直接编译一定会报错！必须使用 repo 工具拉齐完整工程：

# 1. 创建工作目录并初始化 repo
mkdir -p ~/HiSpark/yueying_sdk && cd ~/HiSpark/yueying_sdk
repo init -u https://gitcode.com/HiSpark/hi_aiot_solution_manifest.git -b master
repo sync -c -j4

# 2. 同步完成后检查目录结构（确保 sdk 与 components 各子仓均已就位）
ls -la hi_aiot_solution/

步骤 2：搭建交叉编译环境（Ubuntu / WSL2 / macOS Docker 通用）

开发板使用 arm-v01c02-linux-musleabi-gcc（GCC 10.3，musl libc，32 位 ARM）工具链，已内置在芯片 SDK 的 prebuilts/ 目录中。

如果你是 Ubuntu 22.04 / WSL2 用户，可直接运行官方环境脚本；
如果你和我一样使用 macOS（Apple Silicon M 系列），可通过 Docker linux/amd64 容器完美构建：

# 启动 Ubuntu 22.04 x86_64 编译容器并挂载源码目录
docker run -it --rm --platform linux/amd64 \
  -v ~/HiSpark/yueying_sdk:/workspace \
  -w /workspace/hi_aiot_solution \
  ubuntu:22.04 bash

# 容器内安装基础构建依赖（首次执行）
apt-get update && apt-get install -y \
  build-essential cmake ninja-build python3 python3-pip \
  git wget curl libncurses5-dev zlib1g-dev bc cpio unzip rsync file

步骤 3：开发板与电脑配网连接（SSH 免烧录热更新秘籍）

先在开发板屏幕进入 设置 -> Wi-Fi 配网（或在串口终端使用 /root/start_wifi.sh 连接路由器），获取开发板局域网 IP（本文实测 IP 为 192.168.1.113）。板端默认开启了轻量级 dropbear SSH 服务，电脑端可直接 SSH 登录并配对：

# 电脑终端连接开发板（默认 root 免密或按提示输入密码）
ssh root@192.168.1.113

在这里插入图片描述

💡 效率提升 50 倍的隐藏福利：
整包重烧 UBIFS 固件镜像需要 20~40 分钟（TFTP + U-Boot），但轻AI越影视觉开发板跑的是完整 Linux 5.10 系统！只要板端内核模块（MPP 音视频驱动）已加载，编译出的 sample_local_voice_process 或自研语音客户端可执行文件，只需一条 scp -O 命令即可秒级热更新上板运行，完全不需要重烧固件！
# 注意：macOS / OpenSSH 9.0+ 必须加 -O 参数走传统 SCP 协议（因为板端 dropbear 无 sftp-server）
scp -O _build/bin/sample_local_voice_process root@192.168.1.113:/root/

二、教程篇（核心）：详解 `local_voice_process` 模块架构与实战跑通

2.1 `local_voice_process` 全双工语音链路总览

在开发板案例仓库的 samples/local_voice_process 目录中，官方提供了一个非常经典的单进程全双工语音交互案例。它将**语音输入（唤醒 + VAD + ASR）与语音输出（HTTP 接收 + TTS 合成 + AO 播放）**融合在同一个进程内，共用一次 MPP 音频硬件初始化。

我先用下面的 Markdown 架构流程表与数据流图 带大家看清它的完整链路：

`local_voice_process` 全双工数据流转表（Markdown 版）

阶段	核心源码文件	输入数据	处理逻辑	输出去向
1. 硬件拾音与降噪	`audio_capture.c` + 内置 `ACODEC`	板载双模拟硅麦差分信号	静态注册硬件 VQE（`HPF + ANR + AEC + AGC + TalkV2`），采样率 `16 kHz / 16-bit`	每 `16 ms` 产出 `256 samples` 降噪后单声道 PCM
2. 离线唤醒词检测	`kws.c` (`offline_voice`)	`256 samples` (16ms) PCM 块	端侧离线检测唤醒词 “你好芯宝”，并通过 `kws_set_pcm_callback()` 将 PCM 分流至环形缓冲	唤醒事件触发状态机切入 `ST_RECORDING`；PCM 写入 `g_pcm_ring`
3. 帧重切与能量 VAD	`vad.c` + `audio_capture.c`	从 `g_pcm_ring` 按 `160 samples` (`10 ms`) 读取	计算 16-bit 平均绝对幅值：超过 `600` 持续 `150 ms` 判开口，句尾静音满 `800 ms` 判整句结束	触发 `process_utterance()`；若为 `local` 模式则送 `AENC` 编为 `hisi-opus`
4. 多后端语音识别	`asr_client.c` (`asr_providers/*`)	整句 `hisi-opus` 或 `16kHz PCM`	按配置调用 `local` / `aliyun` / `iflytek` / `volcano` 四种 ASR 引擎之一	输出识别出的中文文本 `text`
5. 智能体语义理解	`zeroclaw_client.c`	ASR 识别出的中文文本	通过 `libcurl` 向本地智能体 `http://127.0.0.1:8766/webhook` 发送 POST 请求	ZeroClaw 调用大模型生成回复并回调 `:9100/speak`
6. 语音合成与共时钟播放	`voice_output.c` + `tts_client.c`	`:9100/speak` 收到的回复文本	调用 `openai` / `volcano` / `aliyun` TTS 合成 16kHz WAV → 按需开启 `AO Dev0`（`clk_share=1`） → 播放完毕立即关闭 AO	驱动 8Ω/2W 喇叭清晰播报语音

【上行拾音与识别链路】
板载双硅麦 ──> 内置 ACODEC (/dev/acodec) ──> MPP AI Dev0 (16kHz + TalkV2 硬件降噪)
   ──> kws.c (offline_voice 离线唤醒词“你好芯宝” + 16ms PCM 分流回调)
   ──> g_pcm_ring 环形缓冲 (重切为 160 samples / 10ms 标准帧)
   ──> vad.c (能量端点检测: start=150ms, silence=800ms) + MPP AENC (hisi-opus 硬件编码)
   ──> asr_client.c (支持 local / aliyun / iflytek / volcano 四种后端)
   ──> zeroclaw_client.c (POST 识别文本至 127.0.0.1:8766/webhook)

【下行合成与播报链路】
ZeroClaw 智能体回复 ──> POST 回调本地 HTTP Server (voice_output.c :9100/speak)
   ──> tts_client.c (支持 openai / volcano / aliyun 三种合成后端，返回 16kHz WAV)
   ──> 按需启动 MPP AO Dev0 (16kHz / mono / clk_share=1 与 AI 共用时钟)
   ──> 内置 ACODEC DAC (ao_gain 增益补偿) ──> 8Ω/2W 扬声器出声 (播完即关 AO 保拾音纯净)

它的目录结构非常清晰，按职责划分为配置层、采集与唤醒层、ASR 多后端适配层、以及 TTS+AO 播报层：

local_voice_process/
├── CMakeLists.txt / BUILD.gn    # 构建入口
├── local_voice.conf             # 运行时配置文件（安装到板端 /etc/local_voice.conf）
└── source/
    ├── main.c                   # 主程序：采集线程 + 状态机（ST_IDLE_WAKEUP / ST_RECORDING）
    ├── audio_capture.c/h        # 注册 VQE 模块 + 环形缓冲 + MPP AENC(Opus) 编码
    ├── kws.c/h                  # 封装 offline_voice 本地唤醒词引擎（接管 AI Dev0）
    ├── vad.c/h                  # 能量 VAD：根据均幅值判定语音起点与句尾静默
    ├── asr_client.c/h           # ASR 统一接口（下挂 asr_local / aliyun / iflytek / volcano）
    ├── zeroclaw_client.c/h      # 将 ASR 识别文本 POST 到 ZeroClaw webhook
    ├── voice_output.c/h         # 监听 :9100/speak -> 调 TTS -> 启停 AO 播放
    └── tts_client.c/h           # TTS 统一接口（下挂 tts_openai / volcano / aliyun）

2.2 四大核心模块源码级拆解（AI+VQE / 离线KWS / 能量VAD / 共时钟AO）

为了真正吃透轻AI越影视觉开发板的语音开发，我深入拆解了 local_voice_process/source/ 的 4 个关键代码设计：

（1）静态注册硬件 VQE 与 PCM 分流回调（`audio_capture.c` & `kws.c`）

在开发板上使用硬件降噪（ANR）、回声消除（AEC）、自动增益（AGC）或 TalkV2 语音增强前，必须在调用 ss_mpi_audio_init() 之前静态注册 VQE 模块句柄：

/* source/audio_capture.c：必须在 sample_comm_audio_init() 前注册 VQE 模块 */
static td_s32 register_vqe_modules(void)
{
    ot_audio_vqe_register vqe_reg = {0};
    vqe_reg.record_mod_cfg.handle   = ot_vqe_record_get_handle();
    vqe_reg.resample_mod_cfg.handle = ot_vqe_resample_get_handle();
    vqe_reg.hpf_mod_cfg.handle      = ot_vqe_hpf_get_handle();
    vqe_reg.aec_mod_cfg.handle      = ot_vqe_aec_get_handle();
    vqe_reg.agc_mod_cfg.handle      = ot_vqe_agc_get_handle();
    vqe_reg.anr_mod_cfg.handle      = ot_vqe_anr_get_handle();
    vqe_reg.eq_mod_cfg.handle       = ot_vqe_eq_get_handle();
    vqe_reg.talkv2_mod_cfg.handle   = ot_vqe_talkv2_get_handle();
    return ss_mpi_audio_register_vqe_mod(&vqe_reg);
}

随后，kws_init() 启动海思 offline_voice 组件。它接管 AI Dev 0 并运行 TalkV2 VQE，每 16 ms（256 samples @ 16kHz）通过 audio_capture_pcm_tap() 回调吐出一路干净的单声道降噪 PCM，写入无锁设计的 64 位绝对索引环形缓冲区 g_pcm_ring，再按 10 ms（160 samples）切片喂给 VAD 和 Opus 编码器。

（2）能量 VAD 状态机（`vad.c`）

唤醒成功后，何时开始录音、何时判定用户把话说完？vad.c 采用非常轻量的平均绝对幅值（Mean Absolute Amplitude）算法：

vad_energy_threshold = 600：16-bit PCM 样本均值超过 600 视为有声帧；
vad_start_ms = 150：连续 150ms 有声，判定用户正式开口（过滤瞬态杂音）；
vad_silence_ms = 800：开口后连续 800ms 低于阈值，判定一句话结束，立刻切出整段音频送 ASR；
vad_max_record_ms = 10000：单句最长 10 秒兜底。

（3）`hisi-opus` 硬件编码与多云端 ASR 切换（`audio_capture.c` & `asr_client.c`）

如果使用本地 ASR（asr_provider = local），audio_capture.c 会将 160 样本帧送入海思 MPP 的 AENC 通道编码为 Opus。注意海思 AENC 输出的 Opus 帧带有 8 字节私有头（HI_OPUS_FRAME_OFFSET = 8），源码中会剥离这 8 字节并封装为 [u16 BE 长度][裸 Opus 包] 格式上传，带宽相比裸 PCM 压缩了约 8 倍！而切换到阿里云、讯飞或火山引擎时，只需在配置文件将 asr_format 改为 pcm 即可。

（4）AI/AO 共用内置 Codec 时钟与“按需启停 AO”设计（`voice_output.c`）

这是 local_voice_process 最精妙的工程细节之一！在同一块板子上既要录音又要放音，内置 ACODEC 的 I2S 时钟必须共享（attr.clk_share = 1）。更重要的是，源码注释揭示了一个关键硬件特性：

“AO 通道与麦克风 AI 共享内置 CODEC/I2S 时钟。如果让 AO 通道一直保持开启状态，会劣化麦克风拾音质量（导致 KWS 唤醒得分降低、ASR 底噪变大）。因此，仅在需要播放 TTS 的瞬间启动 AO 通道，播完立刻关闭 AO，从而在等待唤醒和用户说话期间保持拾音通路绝对干净。”

/* source/voice_output.c：配置 AO 与 AI 共享时钟，并补偿内置 Codec 输出增益 */
attr.sample_rate         = OT_AUDIO_SAMPLE_RATE_16000;
attr.bit_width           = OT_AUDIO_BIT_WIDTH_16;
attr.work_mode           = OT_AIO_MODE_I2S_MASTER;
attr.snd_mode            = OT_AUDIO_SOUND_MODE_MONO;
attr.point_num_per_frame = 160; /* 10ms @ 16kHz */
attr.chn_cnt             = 1;
attr.clk_share           = 1;   /* 关键：与麦克风 AI 共享 I2S 时钟 */
attr.i2s_type            = OT_AIO_I2STYPE_INNERCODEC;

2.3 分步编译、配置文件修改与上板运行日志

第一步：一条命令编译 `local_voice_process`

在编译容器的 hi_aiot_solution/ 根目录下执行构建脚本：

bash scripts/build.sh build samples local_voice_process

编译完成后，检查生成的二进制产物：

ls -lh _build/bin/sample_local_voice_process
# 输出：-rwxr-xr-x 1 root root 186K ... _build/bin/sample_local_voice_process

第二步：配置 `/etc/local_voice.conf` 并传输上板

我将编译产物和配置文件通过 scp -O 传到开发板上：

scp -O _build/bin/sample_local_voice_process root@192.168.1.113:/root/
scp -O samples/local_voice_process/local_voice.conf root@192.168.1.113:/etc/local_voice.conf

在板端编辑 /etc/local_voice.conf，可根据你手头的账号选择阿里云、讯飞、火山引擎或局域网 OpenAI 兼容服务：

# /etc/local_voice.conf 核心配置示例
asr_provider         = aliyun
asr_format           = pcm
wake_enable          = 1        # 1: 启用“你好芯宝”唤醒词; 0: 连续 VAD
vad_silence_ms       = 800      # 句尾 800ms 静音断句
vad_energy_threshold = 600      # 能量阈值
mic_input_volume_db  = 50       # 内置 ACODEC 麦克风模拟增益 [-78, 80]

output_enable        = 1
tts_provider         = aliyun
output_listen_port   = 9100     # 接收回复并触发 TTS 的本地 HTTP 端口
ao_gain              = 0        # 喇叭输出增益 [-15, 6] dB，室内建议设为 0~4
conversation_idle_ms = 30000    # 唤醒后 30 秒内免唤醒连续对话

第三步：停用出厂独占进程并启动运行

由于出厂自启的 factory_demo_main 和 sdk_server 已经占用了 /dev/acodec，直接运行会报权限错误。我在板端 SSH 中先释放音频设备，再启动 sample_local_voice_process：

# 1. 停止占用 /dev/acodec 的出厂演示进程
kill -TERM $(pidof factory_demo_main) $(pidof sdk_server); sleep 1
kill -9 $(pidof sdk_server) 2>/dev/null

# 2. 启动 local_voice_process
/root/sample_local_voice_process -c /etc/local_voice.conf

对着开发板说出唤醒词 “你好芯宝”，随后提问 “今天成都天气怎么样”，串口/SSH 实时打印如下完整闭环日志：

[lvi] config loaded from /etc/local_voice.conf (asr=aliyun fmt=pcm wake=1 tts=aliyun ao_gain=0)
[lvi] VQE modules registered successfully
[lvi] inner CODEC mic input volume set to 50 dB
[kws] offline_voice init ok, waiting for wake word ("你好芯宝")...
[vo][OK] voice_output HTTP server listening on :9100
[lvi][OK] local_voice_process running (say the wake word). Ctrl-C to stop.

# ---> 对着开发板喊：“你好芯宝”
[kws] WAKEUP detected! word="你好芯宝" score=9.43
[lvi] Wake word triggered -> entering ST_RECORDING (30000 ms window)

# ---> 接着说：“今天成都天气怎么样”
[vad] speech started (mean_amp=1842 > thr=600, dur=160ms)
[vad] utterance ended (silence=810ms, total_speech=1920ms, pcm_bytes=61440)
[asr] uploading 61440 bytes PCM to aliyun...
[asr][OK] result: "今天成都天气怎么样？" (cost=68ms)
[zc] POST text to http://127.0.0.1:8766/webhook -> HTTP 200
[vo] POST /speak received (48 bytes): "成都今天多云，气温17度，空气质量良，适合出行。"
[vo] TTS synthesized 142080 bytes WAV (16kHz/16bit/mono) in 640ms
[vo][OK] voice_output: AO ready (dev=0 16k/mono/160, clk_share)
[vo][OK] AO played 4.44s audio -> AO channel closed cleanly

2.4 常见报错与 8 大真实踩坑排查手册

在调试 local_voice_process 与轻AI越影视觉开发板音频子系统的过程中，我把所有踩过的坑整理成了这份速查表，帮你少走弯路：

序号	报错信息 / 异常现象	根本原因	解决方案
坑 1	`open /dev/acodec failed: Operation not permitted` 或 `ai_init failed`	出厂 `factory_demo_main` 与 `sdk_server` 开机默认独占了音频硬件	运行前先执行 `kill -9 $(pidof factory_demo_main sdk_server)`，或采用本文第 3 节的音频仲裁方案
坑 2	自编译程序运行时报 `Error loading shared library: symbol not found`	海思 `libss_mpi_audio.so` 不会自动级联加载底层依赖库	CMake 链接时必须显式链入 10 个库：`ss_mpi_audio`、`ss_mpi_sysbind`、`ss_mpi_sysmem`、`ot_mpi_sysmem`、`ot_base`、`ot_osal`、`ot_irq`、`securec`、`upvqe`、`dnvqe`、`voice_engine`
坑 3	串口显示 ASR/TTS 都成功，且打印 `AO played`，但喇叭没声音或极小	内置 Codec 初始化仅设了 Mic 增益，且 `local_voice.conf` 默认 `ao_gain = -15`（衰减了 15dB）	将 `/etc/local_voice.conf` 中的 `ao_gain` 改为 `0` 或 `4`；或在代码中调用 `ioctl(fd, OT_ACODEC_SET_OUTPUT_VOLUME, &vol)`
坑 4	连续运行约 1 小时后突然无法唤醒，串口刷屏 `KWSLP ... out of call limit`	`offline_voice` 底层的评估版 `libkws.a` 存在约 60 分钟的单进程调用次数上限	重启进程即可复位计数。我在守护进程中加入了 55 分钟空闲无感自重启（耗时仅 1.8 秒，不断网不闪屏），彻底根治
坑 5	进程被 `kill -9` 强杀后，再次启动报 `AI channel busy`	用户态 `libss_mpi_audio.so` 重启后状态归零，跳过了内核 `/dev/ai` 的 disable ioctl	在初始化前打开 `/dev/ai` 与 `/dev/ao`，主动下发 `AI_CLEAR_VQE (0x5a0b)`、`AI_DISABLE_CHN (0x5a0d)` 强制清理内核残留状态
坑 6	执行 `/drv/ko/load_ko/` 下的驱动加载脚本 `-a` 重载驱动后，屏幕背光亮但画面全黑	脚本 `remove_ko()` 漏卸载了 `ot_board_io_cfg.ko`！重载 `sys_config.ko` 把 `GPIO7_0(SPI0_CS)` 和 `GPIO7_5(LCD_RST)` 覆盖成了 `I2C_SDA`	切勿在运行期执行 `-a` 热重载内核模块！冷启动时仅执行一次 `-i` 加载，或在卸载脚本开头补上 `rmmod ot_board_io_cfg`
坑 7	往主板背面卡槽插了 32GB MicroSD 卡，`dmesg` 和 `/dev/mmcblk*` 毫无反应	硬件原理图确认：`SDIO0`（TF 卡槽）与 40-Pin 扩展板上的 SPI0 屏幕引脚物理复用，由拨码开关 `SW1301-1` 二选一	保持 `SW1301-1 = OFF` 使用屏幕时，板载 UBIFS 根分区已有 123 MB 可用空间；若需挂载 32GB 大容量卡，可用 Type-C OTG 读卡器接入（识别为 `/dev/sda1`）
坑 8	电脑端 `scp` 传文件报错 `sh: /usr/libexec/sftp-server: not found`	新版 OpenSSH 默认走 SFTP，板端 `dropbear` 仅支持传统 SCP	命令加上 `-O` 参数：`scp -O <本地文件> root@192.168.1.113:/root/`

三、进阶篇：对比 ESP32-S31 边端语音助手 + GUI 屏幕联动 + 视觉多模态实战

跑通官方 local_voice_process 只是第一步。我目前正在研发基于 乐鑫 ESP32-S3 / ESP32-S31 的双麦边端语音助手项目（edge_voice_assistant）。一个非常自然的问题是：

把同一套云端实时语音大模型（Qwen Omni Realtime）和设备端协议移植到【轻AI越影视觉开发板】上，它和 ESP32-S31 相比，唤醒距离、拾音识别率、响应延迟和算力余量到底差多少？

3.1 同云端 A/B 实验设计：轻AI越影视觉开发板对决 ESP32-S31-Korvo-1

大多数评测文章之所以比不出真实差距，是因为两块板子跑着不同的官方 Demo、连着不同的云端接口。为了做到严格控制变量，我用 C 语言为轻AI越影视觉开发板编写了与 ESP32-S31 固件协议 100% 兼容的语音核心客户端（voice_client），让两块板子在同一局域网下连接同一个 edge_voice_assistant 服务端：

双平台同云端 A/B 对照架构表（Markdown 版）

对比层级	被测平台 A：轻AI越影视觉开发板	被测平台 B：乐鑫 ESP32-S31-Korvo-1	统一控制变量（不变量）
物理拾音麦	板载双模拟硅麦 `ML-3729-T1M1 ×2`	板载双模拟硅麦 `ZTS6011E ×2` (−42dBV / 59dBA)	同一房间、同一测试距离（1m / 1.5m / 3m）
音频 Codec 与前端处理	内置 `ACODEC` + 硬件 VQE (`HPF + RNR + AGC + TalkV2 AEC`)	外置 `ES8389 Codec` + 软件 AFE	统一输出 `16 kHz / 16-bit / mono` 线性 PCM
端侧唤醒与断句	云知声离线 `UniKws`（“你好芯宝”）+ 自适应能量 VAD	乐鑫 `WakeNet9` 唤醒引擎 + 能量 VAD	统一 `80 ms` (`2560 Bytes`) 二进制帧上行
传输协议与云端大脑	自研 WebSocket 紧凑协议 (`ss / ais / aie / cmd / cmdr`)	完全相同的 WebSocket 紧凑协议	同一台云端服务器 (`edge_voice_assistant` + `Qwen Omni Realtime`)

[被测平台 A：轻AI越影视觉开发板]
  双硅麦 ML-3729-T1M1 ──> 内置 ACODEC + 硬件 VQE (HPF/RNR/AGC/AEC) ──> 离线 KWS ("你好芯宝") + VAD ──┐
                                                                                                   ├──> [WebSocket 16kHz/80ms 二进制流]
[被测平台 B：ESP32-S31-Korvo-1]                                                                    │        ──> 同一云端 edge_voice_assistant
  双硅麦 ZTS6011E     ──> ES8389 Codec + 软件 AFE                  ──> WakeNet9 唤醒词 + VAD     ──┘            (Qwen Omni Realtime + Qwen-VL-Max)

3.2 量化对比一：唤醒距离、硬件 VQE 降噪与识别率实测

我在安静室内（底噪约 38 dBA）与播放背景音乐（SNR ≈ 5 dB）两种环境下，对比了两套音频链路的表现：

测试维度	轻AI越影视觉开发板（关闭硬件 VQE）	轻AI越影视觉开发板（开启硬件 VQE + UniKws）	ESP32-S31-Korvo-1（ES8389 + WakeNet9）
板载硅麦硬件底子	双模拟硅麦 ML-3729-T1M1 → 内置 ACODEC	同左 + 硬件 HPF/RNR/AGC/AEC	双模拟硅麦 ZTS6011E（SNR 59 dBA）→ ES8389
采集底噪电平（安静室内）	RMS `200~700`（−34.5 dBFS）	RMS `8~30`（−70.0 dBFS，底噪直降 35dB！）	RMS `40~110`（约 −58 dBFS）
1 米 / 3 米唤醒表现	无唤醒词时放音乐 1 分钟误触发 16 次	1m 唤醒率 >95%（得分 9.43），3m 正常音量可稳健唤醒；38.6s 背景音乐 0 误触发	1m 唤醒灵敏（阈值 0.60），3m 受限于 ZTS6011E −42dBV 灵敏度需提高音量
1.5 米远场 ASR 识别率	2 / 5（40%），底噪易诱发英文幻觉	5 / 5（100%），AGC 自动将人声拉升至 −28 dBFS	4 / 5 ~ 5 / 5（近场极佳，2.5m 以上衰减明显）
播报回声抑制（AEC 打断能力）	回声 RMS `15,970`（−6 dBFS），无法打断	TalkV2 AEC 将回声压至 RMS `575`（−35 dBFS，抑制达 29~36 dB），支持语音随时打断	无硬件回采通道，播报期采用半双工静默麦克风

🔥 核心发现：
刚跑通裸 ACODEC 采集时，开发板的底噪高达 −34.5 dBFS，离远一点说话识别率只有 2/5；但一旦打开海思 MPP 内置的硬件 VQE（HPF + RNR + AGC），底噪瞬间降到 −70 dBFS，1.5~3 米远场人声被 AGC 干净地抬升，识别率直接拉满到 5/5！ 而且硬件 TalkV2 AEC 提供了高达 29~36 dB 的回声消除，让带外放喇叭的终端轻松实现“边播边听、随时插话打断（Barge-in）”。

3.3 量化对比二：端到端语音延迟（27 轮实测）与 CPU/内存资源利用率

我在轻AI越影视觉开发板上连续进行了 27 轮涵盖单轮问答、多轮追问、声学回环的延迟打点测试，并与 ESP32-S31 实测基线以及系统资源占用进行对比：

性能与资源指标	轻AI越影视觉开发板（实测）	乐鑫 ESP32-S31-Korvo-1 实测	深度解读
WS 握手建连耗时	31 ms	~30 ms	局域网 Wi-Fi 下表现一致
断句 → 云端 ASR 识别完成	中位 67 ms（32 ~ 95 ms）	~70 ms	端侧 VAD + 网络上行仅占总延迟的 9%
断句 → 首包语音出声（TTFA）	中位 725 ms / 均值 729 ms / P95 815 ms / 最快 651 ms	781 ms（热连接） / 872 ms（冷连接）	纯语音延迟瓶颈在云端（占 91%），两端体感同样丝滑
语音客户端 CPU 占用	仅 VQE：单核 7.5%；含离线 KWS：单核 17%（双核总计 8.5%）	唤醒 + 音频链路约占 1 核的 40%~50%	轻AI越影视觉开发板跑完整语音只花不到 1/10 的 CPU 算力
语音客户端内存占用	1.3 MB ~ 2.4 MB（系统总内存 128MB，含 72MB 独立 MMZ）	占用数 MB PSRAM（总 PSRAM 16MB，与 UI 帧缓冲争抢总线）	轻AI越影视觉开发板内存极其宽裕
剩余算力（视觉/AI 并发）	1 TOPS NPU 100% 空闲 + 4K VENC 硬编码器空闲	跑语音 + 800×480 UI 已接近满载	轻AI越影视觉开发板的真正杀手锏是可以“边看边聊”！

3.4 配合 GUI 将语音状态与识别结果显示到 2.8" LCD（Siri 浮层球 + 语音控设备）

原版出厂固件中，视频 GUI（factory_demo_main）和语音程序由于争抢 /dev/acodec 是水火不容的。为了实现真正的智能硬件产品级体验，我做了两项硬核改造：

双模式 UI 渲染（DRM 直写五态屏 + LVGL lv_layer_top Siri 式浮层圆球）：
- 在独立语音模式下，我通过 /dev/dri/card0（240×320 RGB565）直接渲染 待唤醒（蓝）→ 已唤醒（青）→ 聆听中（绿）→ 思考中（橙）→ 回答中（紫） 五种状态球与实时识别字幕，并同步到 Web 联调台：
重编译 factory_demo_main 实现“Siri 式全局语音浮层 + 语音控制整机”：
- 我重新编译了官方 GUI Demo，剥离了其启动时对音频的强制独占，新增 Unix Domain Socket（/tmp/eva_ui.sock）与后台常驻的 voice_client 通信；仅在用户进入 RTSP 推流时由 IPC 自动仲裁切换音频归属。
- 无论当前停留在主菜单、摄像头实时预览页还是设置页，只要喊一声 “你好芯宝”，屏幕顶层（lv_layer_top）立即浮现半透明暗色遮罩与呼吸律动的 Siri 语音圆球，底部实时滚动显示 ASR 识别出的用户话术与 AI 回复字幕！
- 更酷的是，我将设备控制能力（caps）注册进了云端大模型的 Tool Calling 工具链，现在可以直接用自然语言操控开发板：
  - 🗣️ “把音量调到百分之七十” → 触发 volume.set{"level":70}，板端立即调节 AO 增益并语音回复*“音量已调到 70%”*；
  - 🗣️ “打开视频预览 / 回到主菜单 / 调高屏幕亮度” → 触发 page.open / display.brightness，屏幕 UI 自动跳转；
  - 🗣️ “现在设备的使用情况怎么样？” → 触发 system.status.get，板端实时采集 Linux uptime、内存、Wi-Fi RSSI 并汇报：“设备运行了约 11.3 小时，内存和存储都很充足，Wi-Fi 信号强且已连接，屏幕亮着在首页。”
  - 🗣️ “查一下现在天气多少度？” -> “成都” -> “把成都双流区设为默认城市” → 联动后台和风天气应用市场工具（weather.get + weather.set_default_city），自动查询实时气温并持久化绑定设备默认城市！

📹 实拍演示视频 1：语音唤醒、Siri 浮层 UI 显示识别结果、连续对话与语音控制设备全流程

(注：若 CSDN 编辑器上传后视频未自动渲染，请点击上方视频播放或查看文末视频合集：语音交互和控制设备演示.mp4)

3.5 榨干轻AI越影视觉基因：语音控制 1080p 拍照 + 实时画面识别（VLM）

前面的对比数据已经证明：如果只做纯语音聊天，ESP32-S31 就够用了；入手【轻AI越影视觉开发板】最大的价值，在于它拥有 400 万像素 MIPI ISP + 硬件编码器 + 1 TOPS NPU 的视觉能力！

那么，能不能把 “眼睛（OS04D10 摄像头）” 和 “嘴巴/耳朵（voice_client 实时语音）” 彻底打通？
我在轻AI越影视觉开发板的媒体管线中，利用 VPSS Grp0 Chn0 绑定了一路高清 JPEG 硬件编码通道 VENC Chn1（分辨率 1920×1080），并向云端大模型注册了 camera.snapshot 工具。完整时序流程如下表所示：

语音触发 1080p 硬件抓拍与视觉大模型识别时序表（Markdown 版）

步骤	发起方 → 接收方	消息 / 硬件动作	实测耗时与数据规格
Step 1	用户 → 轻AI越影视觉开发板	语音说出：“帮我看看这是什么？该怎么用？”	`16 kHz` 语音流经 WebSocket 实时上行
Step 2	云端 Qwen-Omni → 轻AI越影视觉开发板	语义识别命中视觉意图，下发 Function Call 指令：`cmd: camera.snapshot`	JSON 控制信令，局域网/公网往返 `< 30 ms`
Step 3	`factory_demo` → 海思 MPP 硬件管线	从 `ISP -> VPSS Grp0 Chn0` 触发 `VENC Chn1` 硬件编码抓取单帧高清 JPEG	分辨率 `1920×1080`，硬编码耗时 `< 35 ms`，大小约 `140 KB`
Step 4	轻AI越影视觉开发板 → 云端后台	通过 `cmdr` 回传 Base64 编码的 1080p JPEG，同时后台存档至设备详情页相册	图像完整保留药盒、说明书等微小文字细节
Step 5	云端视觉大模型 (`qwen-vl-max`) → 开发板	解析 1080p 图像中的物体、手势与密集文字，实时流式合成语音下发至板端 AO	喇叭播报识别结果 + 2.8" 屏幕实时滚动显示字幕

[用户语音: “帮我看看这是什么？该怎么吃？”]
       │
       ▼ (1) WebSocket 上行 16kHz PCM 语音流
[云端大模型后台: Qwen-Omni Realtime]
       │
       ▼ (2) Function Call 下发设备指令 cmd: {"a": "camera.snapshot"}
[轻AI越影视觉开发板: voice_client ──(Unix Socket IPC)──> factory_demo_main]
       │
       ▼ (3) 调用 MPP 硬件管线: OS04D10 (4MP ISP) ──> VPSS Chn0 ──> VENC Chn1 硬件抓拍 1920x1080 JPEG (<35ms)
[轻AI越影视觉开发板: cmdr 回传 ~140KB Base64 高清图 + 同步存档至 Web 控制台]
       │
       ▼ (4) 视觉大模型 (Qwen-VL-Max) 识别画面细节与说明书小字
[轻AI越影视觉开发板: 喇叭实时播报 + 2.8寸屏显示字幕: “这是左美沙芬愈创甘油醚糖浆，口服一次10到20毫升，一日三次...”]

第一阶段：1080p 高清摄像头端侧抓拍实测

我先验证了在 240×320 屏幕实时 30fps 预览的同时，从 VENC Chn1 硬件抓拍 1920×1080 高清 JPEG 画面并同步到后台：

📹 实拍演示视频 2：轻AI越影视觉开发板摄像头实时预览与 1080p 高清抓拍演示

海思cv610摄像头拍照演示

第二阶段：语音触发拍照 + 实时视觉识别（手势识别 / 物品识别 / 药品说明书与成分朗读）

语音交互和控制设备演示

打通 camera.snapshot 与多模态大模型后，我对着轻AI越影视觉开发板进行了多组极其惊艳的实测（以下均为数据库真实记录的交互实录）：

测试场景	我对着开发板说的话	开发板抓拍动作	AI 实时视觉识别与语音回答（实测原话）	单轮总Token
手势识别	“你看我现在伸了几个指头？”	自动抓拍 `1920×1080` 画面	“我看你伸了两个指头，比了个耶。”	7,944
衣物与环境识别	“你看到了什么？”	自动抓拍 `1920×1080` 画面	“我看到你穿着印有 CORE PRJCT ESTD. 1990 字样的浅色 T 恤，双手插在口袋里。背景是室内环境…”	4,118
日用品与微小成分表识别	“这是什么？” → “再看一下使用方法和产品成分有哪些？”	连续抓拍包装盒正反面	“这是 IMCA 的眼部清洁湿巾，专门用来清理眼睑和睫毛上的分泌物…” 随后准确念出“水、甘油、聚乙二醇-40氢化蓖麻油、透明质酸钠和芦荟提取物”	10,815
家庭助老场景：拿药盒问怎么吃	“看一下这个药怎么回事，该怎么吃？” → “你再看一下上面贴着的标签”	自动抓拍药盒与用法标签	“我看画面里是一只手拿着紫色包装的盒子，上面写着‘左美沙芬愈创甘油醚糖浆’，是止咳化痰的药。标签上写着用法用量：口服，一次 10 到 20 毫升，一日三次。”	11,292

📹 实拍演示视频 3：语音控制拍照 + 实时识别手势、物品与药品说明书演示

sunniwell开发板语音控制拍照和图片实时识别演示

💡 这一刻，轻AI越影视觉开发板的定位豁然开朗：得益于 OS04D10 400 万像素的高解析力与海思 ISP + 1080p 硬件 JPEG 编码，连药盒上几毫米高的“一次 10 到 20 毫升，一日三次”都能拍得一清二楚，配合语音对话，这就是一台现成的 AI 桌面伴侣 / 视障辅助终端 / 智能看护相机！

四、总结篇：易用性、文档质量体验总结与适用场景建议

4.1 开发体验与文档质量打分

截至撰写本文时，我手上的这台轻AI越影视觉开发板已在云端后台累计稳定完成了 311 轮多模态对话（累计消耗 265,755 Tokens）。结合这几天的深度折腾，我对这套开发板给出如下客观评价：

评价维度	星级（满分 5 星）	真实体验点评
硬件做工与外设丰富度	⭐⭐⭐⭐⭐ (5.0)	65×57mm 尺寸内塞进了双核 A7、1 TOPS NPU、128MB DDR3L、256MB Flash、双硅麦、喇叭功放、百兆网口，扩展板还给齐了 Wi-Fi 6 + BLE + 星闪 SLE + 4MP 摄像头 + 2.8" 触摸屏，性价比极高。
音频与视频硬件素质	⭐⭐⭐⭐⭐ (4.8)	内置 ACODEC 配合硬件 VQE（降噪 10dB+、AEC 回声抑制 29~36dB）效果超出预期；4MP ISP 与 H.265/JPEG 硬编码更是海思的传统强项。
软件案例丰富度	⭐⭐⭐⭐☆ (4.3)	官方提供了 `samples`（含 `local_voice_process`、`gui`、`ai_component`）和整机 `references`（含 `factory_demo`、`zeroclaw_base`）等，覆盖面很广。
新手上手与构建体验	⭐⭐⭐☆☆ (3.5)	多仓 `repo` 结构初看较重，且默认只支持 Ubuntu x86_64；但好在板端跑标准 Linux + `dropbear` SSH，学会交叉编译单文件 `scp -O` 热更新后，日常调试效率极高。
文档质量	⭐⭐⭐⭐☆ (4.0)	整个解决方案在线文档和硬件原理图、DXF、3D 模型全部开源可查；但在引脚复用冲突（如 `SDIO0` TF 卡与 `SPI0` 屏幕互斥）和动态库依赖链上还可写得更醒目。

4.2 选型指南：什么时候选轻AI越影视觉开发板，什么时候选 ESP32-S31？

你的目标产品场景	推荐平台	核心决策依据
AI 桌面伴侣 / 智能台灯（指尖点读、物品识别、坐姿检测 + 语音对话）	🏆 轻AI越影视觉开发板	必须同时跑高清摄像头 ISP + 1080p 编码 + 端侧 NPU 检测 + 全双工语音，轻AI越影开发板算力游刃有余
智能可视门铃 / 家庭看护 IPC / 带屏宠物相机	🏆 轻AI越影视觉开发板	4MP 传感器 + IR-CUT 夜视 + H.265 RTSP/WebRTC 推流 + 硬件 AEC 双向语音对讲是越影视觉平台的主场
需要跑 Linux / OpenHarmony 容器化应用或本地大模型 Agent（ZeroClaw）	🏆 轻AI越影视觉开发板	双核 A7 + 128MB DDR + 256MB Flash，可直接跑 `curl`、Python/MicroPython、Rust (`zeroclaw`)
纽扣/锂电池供电的随身语音穿戴设备（AI 手表、AI 胸针、遥控器）	🏆 ESP32-S31	轻AI越影视觉开发板整板功耗约 2~3W（适合插电或大电池设备），ESP32-S31 监听功耗仅 ~0.14W 且支持 μA 级深睡
纯语音聊天公仔 / 低成本 Wi-Fi 语音面板（无需高清视觉与本地 NPU）	🏆 ESP32-S31	纯云端语音延迟两者几乎一致（725ms vs 781ms），MCU 方案外围更简、BOM 成本更低

4.3 开源生态底座：上海海思HiSpark社区介绍

之所以能在短短几天内在这套轻AI越影视觉开发板上顺利打通全双工语音、LVGL 全局交互界面与 1080p 视觉大模型全链路，背后离不开 上海海思HiSpark社区（https://developers.hisilicon.com）提供的全栈开源生态支持。作为上海海思面向广大企业、高校及个人开发者打造的开放创新平台，上海海思HiSpark社区围绕“芯片底座 → 开发工具 → 开源 SDK 与模型库 → 行业参考方案”构建了完整的软硬协同生态闭环：

轻智能与越影® AI 视觉方案（hi_aiot_solution）：即本文实测的轻AI越影解决方案核心阵地，深度融合上海海思新一代越影智能图像处理引擎（AI ISP）、端侧 NPU、硬件音视频编解码与 VQE 语音增强，支持 Linux 与 OpenHarmony 双构建形态，开源了包括 local_voice_process、factory_demo、zeroclaw_base 在内的十余套参考工程及完整硬件原理图、结构文件。
星闪（NearLink）与开源鸿蒙（OpenHarmony）全场景联接：覆盖 WS73、WS63、BS2X、A²MCU 及智能穿戴等核心产品线（本文轻AI越影视觉开发板配套的 WS73 无线通信扩展板正是星闪 SLE + Wi-Fi 6 + BLE 多模共存在端侧落地的典型代表），助力开发者快速构建低时延、高可靠的智联终端。
开源代码矩阵与一站式工具链：上海海思HiSpark社区的核心解决方案源码仓（如 https://gitcode.com/HiSpark/hi_aiot_solution）、组件库及 ModelZoo 开源 AI 模型集均持续开放演进，并配套推出一站式集成开发环境 HiSpark Studio 与体系化的解决方案在线文档中心，贯通环境搭建、编译烧录、代码调试到性能调优全流程。
活跃的技术论坛与开发者成长体系：上海海思HiSpark社区官网设有轻AI越影、星闪、开源鸿蒙、MCU 等技术论坛专区、培训课堂与行业案例库，并常态化开展开发板免费体验官测评、样片申领与高校技术赛事等活动；开发过程中遇到底层驱动适配或 SDK 构建问题，均可直接在社区检索实战经验帖或与官方技术团队互动交流。

4.4 附录：轻AI越影视觉开发板官方购买链接与参考资料

🌐 上海海思HiSpark社区官网（技术论坛 / 培训课堂 / 开发板测评活动）：
👉 https://developers.hisilicon.com
🛒 轻AI越影视觉开发板官方淘宝购买链接：
👉 https://item.taobao.com/item.htm?id=1072742743399（可选单板及带屏/带摄像头/WS73 无线扩展板套餐）
📚 上海海思HiSpark社区官方文档中心：
👉 https://docs.hisilicon.com/projects/hi_aiot_solution/master/overview/index.html
💻 GitCode 开源代码仓库（上海海思HiSpark社区）：
- 主框架仓：https://gitcode.com/HiSpark/hi_aiot_solution