让板子开口 扬声器怎样把数字变成声音

你好，我是吴老师。

这份是给你自己读的——不用等我讲，你一段一段往下看，看到让你停下来的地方，就照着做一遍。看不懂的整段复制给 AI，加一句"请一次只解释一个概念，讲完问我一个小问题"。

读完之后，你应该能：说出扬声器发声的完整链条；解释"播放声音 = 按固定节奏送数字"；说出 DAC 和采样率是干什么的；亲手把 440Hz 的声音改成 880Hz，并预测听感变化；说清"边播边动"为什么要把长任务切成小块。

用时：60–90 分钟。准备：板子、数据线、已经接入板卡 Skill 的 WorkBuddy。

一、从"看见"到"听见"

前八课，我们让板子做了很多事：灯变色、屏幕画画、动画跑起来。它们全都有一个共同点——都是让你看的。

今天做一件新事：让板子发出声音。

先想一个问题：板子上没有嘴巴，它怎么"说话"？

答案看起来简单：有喇叭。但这只是第一层。第二层问题才是真的：喇叭凭什么发出"滴——"的一声？

再往深一层：板子里没有声音，只有 0 和 1。你让 AI"播放一个声音"，那些 0 和 1 是怎么变成你耳朵里听到的声音的？

今天这节课的目标很小：让板子响一声"滴"，然后你改一个数值，让音调变高变低。

你会发现，声音一点都不神秘——它只是"被送得很快的数字"。

二、先让它响起来

请使用课程的 esp32s3-touchboard-hardware-dev Skill，
让板子通过扬声器播放一个 440Hz 的"滴"声，持续 0.8 秒，
音量用中等偏低的音量，播完就停。
播放前先检查板卡的音频芯片（ES8311）和功放初始化方式。
帮我新建程序并烧录。

烧录完，先别急着调来调去。把你听到的写下来：

三、声音是什么：一面看不见的鼓

声音不是"东西"，是振动。

想象一面鼓：你推一下鼓面，它往下凹；弹回来时挤压前面的空气；空气再推下一层空气。这一层推一层的波动传到耳朵，撞上耳膜，你就"听到"了。

喇叭就是一面"电动的鼓"：电压快速变化，纸盆就跟着快速振动，把空气推出一层层波。

频率单位是 Hz，意思是"每秒多少次"。440Hz = 每秒推 440 次。

你肯定玩过这个实验：拨橡皮筋，绷得越紧，声音越尖——那就是频率变了。

亲手转一转这三个旋钮——边拖边听，看看耳朵听到的和眼睛看到的怎么对上：

⚠️ 比喻有边界：喇叭不是简单"推空气"。它里面有个线圈，靠电流在磁场里受力推动纸盆。这门课不钻这个，你记住链条就行：电压变 → 纸盆动 → 空气推 → 耳朵听。

四、板子里没有声音，只有数字

纸盆需要"快速变化的电压"才动。ESP32-S3 只会算数字，怎么造出会变化的电压？

靠一个小东西：DAC（数模转换器）。它只干一件事——把一个数字变成对应的电压。

数字大 → 电压高；数字小 → 电压低。

于是播放声音变成了一件简单的事：

按固定节奏送数字 → DAC 把数字变成电压 → 电压推纸盆 → 声音出来。

这块板上，DAC 不在 ESP32 里，而在另一颗芯片 ES8311 里。它叫音频"编解码芯片"（codec）。今天只用它一半的本事（DAC，把数字变电压）；第 12 课我们会用到它另一半（ADC，把电压变数字）。

五、采样率：每秒送几个数字

"按固定节奏"——多快？这个速度叫采样率。

16000Hz（16kHz）采样率 = 每秒送 16000 个数字。

快与慢，先拿耳朵量一量

先猜一猜，再实验。同一批 440Hz 的数字，用三种速度送出去，听起来会怎样？

把这段发给 AI：

请做一个对照实验，用同一批 440Hz 的声音数据，三种送法各播一遍：
A 正常送；
B 每个数字连送两遍；
C 每隔一个数字送一个。
每种之间停 1 秒供我对比，循环两遍。其余什么都不改。帮我烧录。

你会听到：A 正常，B 变沉，C 变尖。

💡 第一个重要发现：同一批数字，送得快音调就高，送得慢音调就低。 数字一个都没改，只是送的速度变了。

但请注意一个细节：时长也跟着变了

再听一遍，这回别只听音高，注意每个音持续了多久：

音调和时长，永远一起变。 这不是巧合——B 就是"这盘磁带放慢一倍"，C 就是"放快一倍"。老式录音机快没电时，歌声会又沉又慢，就是这个道理。

采样率到底是什么

聊完"送得快慢"，我们再回到采样率。它其实是另一个问题：

采样率 = 每秒为这段声音记录多少个点。 它决定的是——这段录音最高能还原到多高的音。

为什么？因为一个波至少要两个点才能画出来（一个表示"上去"，一个表示"下来"）。所以：

能还原的最高音 ≈ 采样率 ÷ 2

16000Hz 采样 → 最高能还原 8000Hz 的音
 8000Hz 采样 → 最高只能还原 4000Hz 的音

人的说话声，主要能量在 3000Hz 以下。所以 16kHz 采样够用——电话、语音助手常用它，是为省数据、又够听清，不是因为音调。

⚠️ 这里最容易搞混，一句话分清：

你动的旋钮	变的是什么
送数字的快慢	音调（快=尖）—— 上面 A/B/C 实验玩的就是它
采样率的高低	能还原多高（上限 = 采样率 ÷ 2）、以及音质

一句话记住："送数字的快慢"是播放这一端的事，"采样率"是记录那一端的事。 两个是分开的旋钮，别混成一个。

自己拖一拖采样率——点越来越稀的时候，还原出来的波还像原来那个音吗？

拖到最左边会发生什么？ 波"变形"了——不再是你原来那个音。 这就是采样率不够的后果：录回来的东西变了样。

再感受一遍那句话：拖滑杆的时候，音调本身一次都没变（我们没动播放速度）， 变的只是"这段录音最高能还原到多高的音"。采样率 ≠ 音调。

六、一条完整的声音流水线

把学过的东西连起来：

你生成数字（正弦波采样）
    ↓  把数字装进缓冲区
按节奏送出（采样率，比如 16000/秒）
    ↓
ES8311 的 DAC：数字 → 电压
    ↓
功放放大电压
    ↓
扬声器纸盆振动
    ↓
空气一层层推
    ↓
你的耳朵

用中文伪代码写同一件事：

准备"滴"声（440Hz，0.8 秒）：
    一共 0.8 × 16000 = 12800 个数字
    第 i 个数字 = 正弦波在 i/16000 秒那一刻的高度
播放：
    把这些数字按 16000 个/秒的节奏送出去

正弦波那行公式看不懂没关系，它只是"算出一个会上下起伏的数列"。真正要记住的是：数字攒好，按节奏送出，声音就有。

七、动手：拖一根滑杆，听音调滑上去

到这一步，你已经听过 440Hz 和 880Hz 两个音了。

但改一次频率就要重烧一次程序，一次只能听两个点——太慢了，而且你会以为音调是从"这个音"跳到"那个音"。

现在我们换个玩法：给板子装一根滑杆，手指按住它左右拖，频率跟着手指走。拖的时候你会听到一个连续变化的声音。

先把这段发给 AI：

请做一块"频率滑杆"：屏幕中间画一根横向滑杆，
手指按住它左右拖动，就改变正在播放的正弦波频率。
频率范围 220 到 880 Hz，屏幕上要实时显示当前的频率数字；
滑杆下方画一个波形图，把这个频率的波形画出来。
一边拖着一边要有声音，不能卡顿。
请用中文注释，烧录前核对端口。

这题有一个隐藏难点，先想一想：如果程序是"把整段声音全算好、播完才返回"， 那你拖着手指的时候，板子根本没空去看你的手指——声音会卡、滑杆也会卡。 想想第 8 课学的触摸，和这节课的播放，它们怎么才能同时干活？

（提示：想一想下一节要讲的"把长任务切成小块"。）

烧录后做三件事，边做边记：

停一下，看两个地方：

1. 耳朵：那句话你听出来了吗——音调不是"跳"的，是"滑"的。手指在滑杆上挪一点点，音调就变一点点。这才是音调的真相。
2. 眼睛：盯着下面的波形。频率越高，波形越密（同样宽度里，波的数量越多）。

💡 这两个是同一件事：耳朵听到的"尖"，就是眼睛看到的"密"。 频率就是"一秒振动几次"，振动次数多了，画出来自然就密。

顺便验证一个数字

前面的表格里说过：880 是 440 的两倍，听起来高一个八度。

现在你能验证它了——先拖到 440 停住，记住那个音；再拖到 880。

如果你家里有钢琴、电子琴或者音乐 App，按一下中音 Do（C）和高音 Do，对比一下： 是不是"同一个音，只是高了一层"？

这就是八度：频率翻倍 = 高八度。音乐里的音高就是频率，不神秘。

八、动手：把《两只老虎》"翻译"成频率表

单音会了、滑杆玩过了。现在做一件真正像"编曲"的事：把一首歌，变成一张频率表。

先看一个慢镜头。你哼两句《两只老虎》：

两 只 老 虎 ，
两 只 老 虎 ，
跑 得 快 ~ ，

你有没有注意到——有些字唱得长，有些字唱得短？"虎"字短促，而"快~"要拖长。所以一首歌里有两个东西在变：

旋律 = 一个一个的"频率 + 时长"，排成一队。

第一步：先把工具箱摆出来

要"翻译"一首歌，得先有对照表。下面这三张表是你的原料，不是答案——照着查就行。

工具箱 ①：音符 → 频率

工具箱 ②：《两只老虎》前四句的曲谱——每个字唱哪个音、哪个字要拖长

两 只 老 虎   →   Do  Re  Mi  Do     （四个字一样长）
两 只 老 虎   →   Do  Re  Mi  Do     （四个字一样长）
跑 得 快 ~    →   Mi  Fa  Sol        （"快~"要拖长！）
跑 得 快 ~    →   Mi  Fa  Sol        （"快~"要拖长！）

工具箱 ③：时长用"份"来数

所以"快~"听起来比别的字长得多——数一数就知道长几倍。

第二步：把三张表拼起来（这步是你的活）

音高照着曲谱抄就行。但"1 份到底等于多少毫秒"，得你来定——这就是你的编曲。

先自己填，再发给 AI：

第 1 行我替你填好了，照着形式往下补。

然后发给 AI：

请让板子按顺序播放《两只老虎》的前四句，一共 14 个音：
两 只 老 虎，两 只 老 虎，跑 得 快~，跑 得 快~
（音高是 Do Re Mi Do / Do Re Mi Do / Mi Fa Sol / Mi Fa Sol）
一个「短字」算 ___ 毫秒，那个拖长的「快~」算 ___ 倍（参考 4 倍）。
音与音之间不留空，音量中等偏低。帮我烧录。

先别急着问 AI 要"正确的《两只老虎》"——你自己定的那个速度才叫编曲。 填得跟原曲不一样、听起来怪，那正好说明你听出来了差别，下一轮再改。 "我改了什么、听起来怎么变了"，比"标准答案"值钱。

最后一句提醒：抄来的旋律不是你的作品，你选出来的频率和节奏才是。 做完这一节，你就亲手把一首歌翻译成了板子能读懂的数字——第 16 课的音乐盒， 用的就是这同一个套路。

九、作品二：两只老虎（旋律 + 画面）

第八节你做的是"只有声音"。现在把它升级成一个能给人看的完整作品：

循环播放《两只老虎》，屏幕上两只小老虎跟着眨眼睛，按 BOOT 能暂停。

这一节和前面最大的不同是：声音和画面要同时进行。

先自己想一个问题：如果程序"播放一个音，等它放完，再播下一个音"——那播放的时候，屏幕还能眨眼吗？

答案是不能。因为播放的代码一直占着 CPU，画面根本没机会更新。这就是为什么之前的 audioPlaySine() 播完才返回。

所以作品二藏着一个新技术：边播边动。

先看现象，再研究它是怎么做到的。把这段发给 AI：

请使用课程的 esp32s3-touchboard-hardware-dev Skill，
让板子通过扬声器循环播放《两只老虎》的旋律，
同时在屏幕上画出两只卡通老虎（蓝天草地背景），老虎的眼睛定时眨一下。
短按 BOOT 键可以暂停/继续播放。
音高用正弦波实时生成，不要用蜂鸣器、不要读 TF 卡。
播放前先检查板卡的音频芯片（ES8311）和功放初始化方式。帮我新建程序并烧录。

烧录后观察三件事，填在下面：

为什么这次能"边播边动"

回到第五节的流水线：播放 = 按节奏送数字。

之前的写法是"把整段旋律的数字全算好，一次性送完，才返回"。作品二换了思路：

每次只算一小段（160 个立体声帧），送出去，马上返回去干别的。

下一轮 loop 再来算下一小段。只要每一小段都及时接上，声音就是连续的；而两次"送数字"之间，CPU 是空闲的——眨眼动画就挤在这个空隙里画。

看下面两条时间轴——红条是 CPU 忙着送声音，黑缝是它空着。小人儿只有在黑缝里才眨得动眼。

换成"大块"试试：块越大，缝越少，眨眼次数就掉下来了。 这就是"把长任务切成小块"的全部意义——不是让 CPU 变快，是给它留出空隙。

顺便回想上一节的 demo06 滑杆：它拖起来为什么不卡？用的是同一个办法。

用一个比喻：不是"一口气把话说完才做别的事"，而是"说一个词，趁换气的间隙瞄一眼屏幕"。

💡 这是本课第二个重要发现：让声音和画面同时工作，关键不是"同时做两件事"，而是"把长任务切成小块，块与块之间留出空隙"。 你以后做游戏（第 29–33 课）时，音效和画面并存靠的就是这个思路。

旋律是怎么记下来的

《两只老虎》的谱子，在程序里存成了一张表：

每个音 = (唱第几个音, 唱多长)

{1,1} = do 唱一个八分音符
{5,4} = sol 唱四个八分音符（也就是二分音符，听起来长一倍）

前面数字是"第几个音"：1~6 分别对应 do re mi fa sol la。后面数字是时长，单位是"八分音符"。

所以 4 就代表"这个音顶四个八分音符那么长"。你听《两只老虎》里"跑得快~"那个"快"字拖得长，就是长时值。

改谱子不需要动程序逻辑——只改这张表就行。试试看：

请把旋律换成别的儿歌（比如 ___，你自己挑一首），
每个音的时长按 ___ 毫秒算一个「短字」，
屏幕上的画面保持不变，其余都不改。帮我烧录。

旋律只有 6 个音够不够用？想想你挑的这首歌需要哪几个音，如果超出 do~la，你要改哪里？

画面部分

老虎是用基本图形拼出来的：圆形当脑袋、半圆当耳朵、椭圆当肚皮，眼睛是两个小黑点。

眨眼 = 每过一段时间，把黑点擦掉，换成一条横线，再等一小会儿变回黑点。

想想这和第六课（让画面动起来）有什么关系——是不是同一个套路：擦掉旧的，画上新的。

最后一个挑战：

请让老虎跟着节奏动起来：
每播完一个音符，老虎的身体轻轻跳一下。
旋律和画面其他部分都不改。帮我烧录。

这道题的关键是：画面怎么知道"刚播完一个音符"？ 提示——程序里得有个变量记着这件事。

十、故障排查：没声音怎么办

按顺序自查，别乱试：

把现象如实告诉 AI，一次让它教你查一件事。

十一、自检小测

先自己想，再点开对答案。

十二、还能玩什么

想做"板子听懂我说话"？那要把声音收进来——第 12 课，麦克风在等你。