背景与需求
客户原来的做法和真正要解决的问题。
对视障学生来说,学习终端的第一道门槛往往不是内容,而是「怎么操作」。当下多数设备以触摸屏为入口——点开应用、滑动列表、找到按钮。读屏软件能把文字念出来,但在需要快速、安静、单手完成的课堂上,靠滑动定位按钮的成本高到难以日常使用。另一头,英语听说这类要反复开口、即时纠正的训练,在几十人的班级里很难做到一对一:一节课下来人均开口不到一分钟,课后更没人纠音,错误容易被固化。这个项目要解决的就是这两件事——让操作回到手上,让反馈回到耳朵。
这个项目做了什么、做到什么程度。
不看屏幕也能用:六颗实体按键配合语音反馈,AI 对话与英语跟读评测全流程已实机跑通。
客户原来的做法和真正要解决的问题。
对视障学生来说,学习终端的第一道门槛往往不是内容,而是「怎么操作」。当下多数设备以触摸屏为入口——点开应用、滑动列表、找到按钮。读屏软件能把文字念出来,但在需要快速、安静、单手完成的课堂上,靠滑动定位按钮的成本高到难以日常使用。另一头,英语听说这类要反复开口、即时纠正的训练,在几十人的班级里很难做到一对一:一节课下来人均开口不到一分钟,课后更没人纠音,错误容易被固化。这个项目要解决的就是这两件事——让操作回到手上,让反馈回到耳朵。
技术路线,以及具体怎么实现的。
项目由三层构成,设备只负责获取内容、播放、录音、上传与显示,内容与评分在云端完成:终端层是基于 ESP32-S3 的定制固件,集成语音采集与播放、图形界面、按键扫描、4G / WiFi 通信、蓝牙音频、电源与状态指示;服务层负责登录鉴权、心跳与电量上报、绑定与解绑通知、固件远程升级与发音评测任务调度;内容层管理教材、单元、句子与音频资源,以及学习进度与评测记录。整机的设计约束只有一条:所有日常操作必须在不看屏幕的前提下完成,屏幕只用来满足弱视学生与教师的查看需求。交互上是六颗实体按键、键位固定不随页面变化,最高频的「按住说话」做成左侧整块带凸点的大按键;反馈上每一步操作都有声音回应,四条中文语音提示直接编入固件、不依赖网络与资源包;显示上纯黑底、高对比、大字号点阵中文字体。
同一块板的正反两面:屏幕与六颗功能键在正面,蓝牙与电源在背面。
1.44″ 128×128 TFT 屏 · 六颗功能键 · Type-C 与 3.5 mm 耳机口
蓝牙音频模组 FSC-BT1035C · 电源管理与充电 · 蜂鸣提示
实机录制,完整走一遍真实使用流程。
首页选角色、按住侧键说话、松手即得语音回答;英语听说在同一套键位上选单元、播教材。样机阶段实机录制,未做剪辑。
首页用六颗固定键位选到「AI 对话」,屏幕与语音同步确认当前项。
侧键按住即录,「正在聆听」波形实时反馈,松手结束并上传。
云端应答边下边播,回答内容同步上屏,听一遍就知道结果。
同一套键位选到 Unit 1~4,教材音频直接播放,不用回首页。
最终形态、关键数字与交付状态。
样机完成 · 主要流程已实机验证
工程上做了几处硬功夫:音频按句下载与缓存,单句约 9.6 KB,首句约 1.3 秒可播、切句无等待;蓝牙起播前加入 500 ms 低频引导音,消除了「每段开头丢 2~3 个字」的老问题;针对内存受限导致的按键无响应、提示不播等静默失败,把大任务栈与缓冲迁到外部内存,内部可用内存由 4~16 KB 提升到 63~72 KB,长时间测试稳定运行。AI 对话四态界面、角色切换、英语听说五个页面全流程(教材、单元、播放、跟读、评分)、跟读评测上传与异步轮询、自动连播、蓝牙与有线耳机切换及外放静音、RGB 状态灯、4G / WiFi 双网与 OTA 双分区升级均已在实机跑通;角色切换云端接口、0.5×~2.0× 倍速与语音指令、量产 2 英寸 OLED 屏驱动适配在推进中。
工程先看,再谈报价
说清楚场景和交付要求,工程师直接判断能不能做、要多久。
点击号码直接拨打