前言

在离线语音交互产品开发中，常常需要实现动态语音播报功能——比如播报实时传感器数值、设备状态信息、或者来自外部系统的提示消息。CI-03T 作为一款高性能离线语音模组，其 TTS（Text-to-Speech，文本转语音）功能为实现这一需求提供了可能。

然而，从技术交流群中的真实反馈来看，许多开发者对 CI-03T 的 TTS 功能存在误解。本文将基于真实用户问题和官方文档，系统性地解析 CI-03T 的 TTS 功能，帮助开发者正确理解其能力边界和实现方法。

一、TTS 功能的核心价值与应用场景

1.1 什么是 TTS 文本转语音

TTS（Text-to-Speech）技术能够将文本信息自动转换为语音输出。与传统录音播报不同，TTS 可以在运行时动态生成语音内容。

1.2 典型应用场景

1.3 CI-03T 的 TTS 能力

根据官方文档，CI-03T 模组支持以下特性：

官方配置位置：在智能公元平台的「前端信号处理」配置步骤中，「产品特性」选择「文字转语音」即可启用此功能。该功能占用 Flash 空间，需与声学模型空间统筹考虑。

1.4 发音人选择

CI-03T 提供丰富的发音人选项，可根据产品定位选择合适的风格：

发音人参数调节：

• 音量：0-100，默认 75
• 语速：0-100，默认 50
• 亮度：0-100，默认 50（影响音调高低）

二、TTS 功能的重要限制

在深入了解实现方法之前，必须先明确 CI-03T TTS 功能的关键限制。这些限制常常被开发者忽视，导致项目开发后期出现预期偏差。

2.1 非通用 TTS 引擎

核心限制：CI-03T 的 TTS 不是通用文字转语音引擎。

CI-03T TTS 的本质：
├─ 预编译内容列表
├─ 触发码映射
└─ 变量替换机制
不能做到：
├─ 任意文本实时播报
├─ 动态添加新词条
└─ 超出词典范围的字符

2.2 数据格式要求

CI-03T 串口通信只支持十六进制数据格式：

限制：不支持直接发送 ASCII 字符或中文字符
解决：所有数据必须转换为十六进制格式发送

2.3 内容预定义要求

• 只能播报预设的文本，不能播报任意串口内容
• 播报内容需要在固件中预编译
• 如需播报新内容，必须重新生成固件

2.4 Flash 空间占用

TTS 功能会占用 Flash 空间，需要与声学模型空间统筹考虑：

注意：CI-03T 内置 2MB Flash，需要合理分配声学模型和 TTS 资源的空间。

三、平台配置 TTS 功能的完整流程

3.1 在智能公元平台启用 TTS

步骤概览：

1. 登录平台 → 2. 创建产品 → 3. 选择 CI-03T → 4. 配置 TTS → 5. 生成固件

详细步骤：

1. 登录智能公元平台（smartpi.cn）
2. 创建或编辑产品：

• 选择 CI-03T 模组型号
• 选择「纯离线方案」场景

1. 启用 TTS 功能：

• 在「前端信号处理」配置步骤中
• 「产品特性」选择「文字转语音」
• 注意：TTS 功能会占用 Flash 空间，需与声学模型空间统筹考虑

3.2 配置发音人参数

在「发音人配置」步骤中：

1. 选择发音人：从列表中选择合适的发音人
2. 调节音量：0-100，默认 75
3. 调节语速：0-100，默认 50
4. 调节亮度：0-100，默认 50

3.3 配置 TTS 播报内容

在「命令词自定义」中配置播报动作：

1. 选择触发方式（命令词/串口输入）
2. 选择回复语类型为「语音播报」
3. 输入播报文本内容
4. 可使用变量实现动态内容

3.4 使用变量实现动态播报

虽然播报内容需要预定义，但可以通过变量实现一定程度的动态化：

示例：播报温度值
- 定义变量：temperature（整型）
- 播报文本："当前温度为{temperature}度"
- 通过串口发送变量值改变播报内容

变量配置示例：

3.5 多条播报内容的配置

对于需要播报多种内容的场景，可以配置多个播报动作：

四、串口 TTS 播报的实现细节

4.1 硬件连接

CI-03T 与 MCU 的串口连接方式：

┌─────────────┐              ┌─────────────┐
│     MCU     │              │   CI-03T    │
│             │              │             │
│  TX    ─────┼─────────────▶│ B1  (RX)   │
│             │              │             │
│  RX    ─────┼──────────────│ B0  (TX)    │
│             │              │             │
│  GND   ─────┼━━━━━━━━━━━━━ │ GND         │
└─────────────┘              └─────────────┘

官方引脚说明：

• Pin 14 (DEFAULT_P14)：设计为烧录功能引脚，默认为日志输出口
• Pin 15 (DEFAULT_P15)：设计为烧录功能引脚，默认为日志输出口
• 修改配置将影响日志输出，如需使用 UART 功能需注意

连接要求：

• 建议在串口线上串联 100Ω 电阻（靠近模组引脚）
• 确保共地连接
• 波特率默认 115200
• 注意电平匹配：CI-03T 为 3.3V 逻辑电平

4.2 串口数据格式

CI-03T 串口通信使用十六进制数据格式：

// 示例：触发播报的串口数据（伪代码）
uint8_t trigger_msg[] = {0xAA, 0x55, 0x01, 0x00};  // 触发播报1
uart_send(trigger_msg, 4);

4.3 完整交互流程

MCU                    CI-03T
 |                        |
 |--[触发数据]---------->|
 |                        |--[解析触发条件]
 |                        |--[执行TTS播报]
 |<--[播报完成信号]-------|
 |--[继续执行其他任务]    |

五、常见问题与解决方案

5.1 TTS 功能是否支持任意文本播报？

问题：能否通过串口发送任意文本让 CI-03T 播报？

答案：不能。CI-03T 只能播报在固件生成时预定义的文本内容。如需播报新内容，必须重新生成固件。

5.2 如何实现播报动态数值？

解决方案：使用变量功能

1. 在平台中定义变量（如 value）
2. 播报文本中使用变量： "当前值为{value}"
3. 通过串口发送变量值

变量类型支持：

5.3 TTS 播报与语音识别能否共存？

答案：可以共存。CI-03T 支持在保持语音识别功能的同时使用 TTS 播报。

AEC 打断功能：

CI-03T1（单麦克风版本）支持 AEC 回声消除功能，可以实现播报过程中的语音打断：

5.4 长文本播报有何限制？

CI-03T 支持长文本播报，但需要注意：

• 长文本播报会占用一定的处理时间
• 建议对超长内容进行分段播报
• 播报期间可能无法响应新的语音指令（除非开启 AEC 打断功能）

5.5 如何选择带 TTS 功能的固件？

在智能公元平台生成固件时，需要确保：

1. 选择支持 TTS 的应用场景
2. 在「产品特性」中勾选「文字转语音」
3. 配置发音人和播报内容
4. 检查 Flash 空间是否充足

六、超越限制的替代方案

对于需要真正动态播报任意文本的应用场景，CI-03T 的内置 TTS 可能无法满足需求。以下是几种可行的替代方案：

6.1 方案一：使用专门的 TTS 模块

MCU --> TTS模块 --> CI-03T
        (生成音频)  (音频输入/播报)

推荐芯片：SYN6288 等专用 TTS 合成芯片

6.2 方案二：使用在线 TTS 服务

• 通过 WiFi/蓝牙模块连接云端 TTS 服务
• 生成音频后传输给 CI-03T 播放
• 需要联网支持

在线 TTS 服务对比：

6.3 方案三：使用带 AI 大模型的 JX-A7T

JX-A7T 模组支持 AI 大模型交互，可以实现更灵活的语音播报：

• 通过意图识别实现动态回复
• 支持云端 TTS 集成
• 适合需要智能对话的场景

七、开发实战建议

7.1 项目评估清单

在项目开始前，请确认：

• 播报内容是否可预定义？
• 是否需要播报任意文本？
• 播报内容的更新频率如何？
• 是否接受重新生成固件的更新方式？
• Flash 空间是否充足？

7.2 最佳实践

1. 内容分类：将常用播报内容分类，每类使用独立的触发代码
2. 预留扩展：在固件中预留额外的播报槽位
3. 变量设计：合理设计变量类型和范围
4. 测试验证：充分测试串口触发的可靠性

7.3 调试技巧

• 使用串口调试工具模拟触发信号
• 观察模块的串口日志反馈
• 验证播报内容与预期是否一致
• 测试极端值情况下变量播报效果

7.4 Flash 空间规划

合理规划 Flash 空间分配：

Flash 2MB 总容量分配：
├─ 声学模型：0.6MB ~ 1.3MB
├─ TTS 资源：约 0.5MB
├─ 固件代码：约 0.3MB
└─ 预留空间：约 0.2MB

空间优化建议：

• 优先选择占用较小的声学模型（如 0.6MB 版本）
• 精简播报内容，去除冗余文本
• 合理使用变量，减少重复词条

八、总结

CI-03T 的 TTS 文本转语音功能为离线语音产品提供了动态播报能力，但其本质是"预定义内容的触发式播报"，而非通用的文字转语音引擎。

核心要点回顾：

1. CI-03T 支持 TTS 功能，但内容需预定义
2. 通过串口触发实现播报，数据格式为十六进制
3. 可使用变量实现有限度的动态化
4. 对于需要播报任意文本的场景，应考虑替代方案
5. Flash 空间规划很重要，需要与声学模型统筹考虑

选型决策树：

需要 TTS 播报
    │
    ├─ 内容可预定义？
    │   ├─ 是 → CI-03T 内置 TTS（推荐）
    │   └─ 否 → 继续判断
    │
    ├─ 需要完全动态？
    │   ├─ 是 → 外接 TTS 芯片或在线服务
    │   └─ 否 → 继续判断
    │
    ├─ 可接受重新烧录？
    │   ├─ 是 → CI-03T + 预留扩展槽位
    │   └─ 否 → 外接 TTS 模块
    │
    └─ 需要智能对话？
        ├─ 是 → JX-A7T（AI大模型）
        └─ 否 → CI-03T 足够

正确理解 CI-03T TTS 功能的能力边界，有助于在项目选型阶段做出合理决策，避免后期开发中的预期偏差。

参考资料：

• SmartPi 官方文档 - CI-03T 固件配置
• SmartPi 官方文档 - CI-03T 硬件设计 FAQ
• SmartPi 官方文档 - CI-03T 离线语音模组
• 智能公元平台（ https://smartpi.cn）

标签：CI-03T、TTS、文本转语音、串口播报、离线语音、动态播报、变量控制、AEC打断

版本：v2.0 | 更新日期：2026-05-08

更新内容：

• 补充发音人详细列表和参数调节说明
• 新增 Flash 空间规划和优化建议
• 补充串口引脚注意事项（DEFAULT_P14/P15）
• 新增 AEC 打断功能说明（CI-03T1 专属）
• 新增替代方案对比表格
• 新增项目选型决策树
• 更新官方文档引用链接