用正点原子 ATK-DNESP32S3 开发板，我折腾出了一个远程看家+对讲的小玩意

cenly60

为啥要搞这个

出租屋，一室一厅，门口放快递总不放心。买成品摄像头吧，便宜的云服务要钱，不要钱的画质糊成马赛克。正好手头有块正点原子的 ATK-DNESP32S3，寻思着能不能自己搞一个。

说实话一开始心里没底。ESP32-S3 这芯片做视频流，网上有人说行有人说不行，到底怎样得自己试了才知道。

项目（GITHUB）G已开源：github.com/tangeai/xiaotai-esp32

项目地址：xiaotai.chat

板子到手先干一件事：把 PSRAM 打开

这块板子用的是 ESP32-S3R8，8MB PSRAM。听起来挺多是吧？但默认配置下它是不开的。

我就是那个没开 PSRAM 就直接跑摄像头例程的憨憨。esp_camera_init 返回错误，查了半天才发现要在 menuconfig 里手动勾 Octal Mode PSRAM。而且 Flash 也得改成 16MB，不然编译出来的固件塞不进去。

这两个坑踩完，摄像头才算跑起来。

视频流：MJPEG 是唯一的选择

ESP32-S3 做 H.264 软编码基本别想，算力不够。MJPEG 就是每一帧拍一张 JPEG 传出去，简单粗暴，但能跑。

我用的是 HTTP 流方案：开发板当 Web 服务器，手机浏览器直接访问 IP 就能看。局域网内延迟还行，大概半秒左右，看个门口有没有人足够了。

但有个问题：Wi-Fi 信号一弱，画面就卡成 PPT。ESP32-S3 板载的是 PCB 天线，穿墙能力就那样。后来我把分辨率降到 VGA，JPEG 质量调中等，帧率锁 10fps，才算稳定。想看高清的可以绕道了，这板子跑不动。

对讲功能：比想象中折腾

视频搞定了，想着加个对讲呗，结果这才是真正花时间的地方。

硬件上开发板自带的模拟麦克风和 ES8388 编解码是够用的，但官方例程只做基础录音播放，回声消除得自己搞。我一开始没做 AEC，手机端一开扬声器就啸叫，那声音简直了。

后来参考了乐鑫官方的可视对讲方案，用 WebSocket 传音频，加上简单的回声抑制，才算能听。局域网内延迟 200ms 左右，通话清晰度就那样吧，反正听个"快递放门口了"没问题。

外网的话延迟会飘，得配合 Jitter Buffer 处理抖动，体验勉强及格。想追求微信语音那种效果的，建议直接放弃。

踩坑记录

坑一：摄像头初始化失败
原因前面说了，PSRAM 没开。另外摄像头排线一定要插紧，我一开始没插到底，查了一晚上代码。

坑二：扬声器爆音
ES8388 的 GPIO 初始化顺序有讲究。I2S 时钟没稳定之前就打开功放，就会"啪"一声。解决办法：i2s_driver_install 成功之后再使能 PA，加 100ms 延时。

坑三：视频卡顿
除了 Wi-Fi 信号问题，还有一个原因是 JPEG 编码占内存。双缓冲没配好的话，采集和发送会抢资源。后来改成单缓冲+丢帧策略，反而更流畅了。

目前的状态

能远程查看，通过底层用webrtc连接，能听，能喊话，也集成了AI对讲功能。

值不值得买？

如果你是想快速做个能用的东西，那直接买成品摄像头吧，别折腾了。

但如果你跟我一样，想搞清楚音视频传输到底是怎么回事，想自己控制每一行代码，那用开发板从头搭一个，收获会大得多。

正点原子这块 DNESP32S3，资料全、外设齐、社区活跃，作为入门板子没什么可挑的。摄像头接口、音频编解码、麦克风、扬声器接口都焊好了，省了自己画扩展板的麻烦。遇到问题还有技术交流群可以问，比自己在网上瞎搜强。