項(xiàng)目難度：初學(xué)者

制作時(shí)間：約 2 小時(shí)

提供完整說(shuō)明與可直接運(yùn)行 Demo

項(xiàng)目簡(jiǎn)介

TinyTTS 是一個(gè)運(yùn)行在微控制器上的離線神經(jīng)語(yǔ)音合成（TTS）模塊。
在本項(xiàng)目中，它被用來(lái)實(shí)現(xiàn)一個(gè)極具情感表達(dá)力的應(yīng)用：會(huì)說(shuō)話的照片。

用戶只需為每一張照片寫下幾句簡(jiǎn)短的文字，當(dāng)相冊(cè)被翻閱時(shí)，設(shè)備便會(huì)自動(dòng)朗讀這些文字，仿佛照片本身在講述回憶。

公式非常簡(jiǎn)單：

照片 + 文本 → 語(yǔ)音

但最終呈現(xiàn)的效果，卻遠(yuǎn)遠(yuǎn)不只是技術(shù)本身，而是情感。

設(shè)計(jì)初衷與故事背景

當(dāng)我們翻看舊照片時(shí)，大腦會(huì)自動(dòng)補(bǔ)全聲音：
廚房里的笑聲、車站的背景噪音、有人輕聲說(shuō)一句“還記得嗎？”

這個(gè)項(xiàng)目的初衷，正是讓這些聲音不只存在于記憶中。

最初的形態(tài)是一個(gè) Family Storyteller（家庭故事機(jī)）：
幾張童年照片、幾句關(guān)于趣事的文字，按下播放鍵，相框便開始“說(shuō)話”——完全離線。

隨后，這個(gè)想法擴(kuò)展成了 Talking Places（會(huì)說(shuō)話的地點(diǎn)）：
打開一張旅行照片，仿佛城市本身在低聲講述故事，指引你下一步該去哪里。

項(xiàng)目核心特點(diǎn)

• 完全離線運(yùn)行（無(wú)云端、無(wú)網(wǎng)絡(luò)、無(wú)延遲）

• 神經(jīng)語(yǔ)音合成在本地 MCU 上完成

• 圖像 + 文本 + 語(yǔ)音的高度整合

• 用戶可控制播放順序、節(jié)奏與停頓

• 極低系統(tǒng)復(fù)雜度，極高情感表現(xiàn)力

• 適用于家庭、博物館、教育、旅行展示等場(chǎng)景

系統(tǒng)組成

硬件組件

• TinyTTS 套件（Elecrow / Tindie）

• 內(nèi)置神經(jīng)網(wǎng)絡(luò) TTS 引擎的語(yǔ)音模塊

• CrowPanel Advanced（ESP32-S3）

• 顯示控制、UI、存儲(chǔ)與通信主控

• 揚(yáng)聲器（連接至 TinyTTS 音頻輸出）

軟件環(huán)境

• Arduino IDE（可選）

• ESP-IDF（v5.4）

• 提供完整預(yù)編譯固件與源碼構(gòu)建方式

快速開始（Ready Demo）