前言

在智能硬件和物聯網應用中，音頻處理能力正成為越來越重要的功能——無論是語音交互、環境音采集，還是音樂播放，都離不開高效的音頻數據傳輸與處理。而I2S（Inter-IC Sound）作為專為音頻設計的通信協議，正是實現這些功能的核心技術。

本文將以ESP32為例，深入剖析I2S協議的工作原理，詳解TDM與PDM兩種通信模式的差異，并通過實戰代碼演示如何用MicroPython實現音頻錄制（PCM原始數據）、WAV文件解析與播放。無論你是想打造一個語音識別設備、自定義音頻播放器，還是探索實時音效處理，這篇指南都將為你提供從理論到實踐的完整路徑。

I2S簡介

I2S（Inter-IC Sound，集成電路內置音頻總線）是一種同步串行通信協議，通常用于在兩個數字音頻設備之間傳輸音頻數據。

ESP32-S3 包含 2 個 I2S 外設。通過配置這些外設，可以借助 I2S 驅動來輸入和輸出采樣數據。

TDM 通信模式(標準)

I2S 總線包含以下幾條線路：

• MCLK：主時鐘線。該信號線可選，具體取決于從機，主要用于向 I2S 從機提供參考時鐘。
• BCLK：位時鐘線。用于數據線的位時鐘。
• WS：字（聲道）選擇線。通常用于識別聲道。
• DIN/DOUT：串行數據輸入/輸出線。如果 DIN 和 DOUT 被配置到相同的 GPIO，數據將在內部回環。

PDM 通信模式

I2S 總線包含以下幾條線路：

• CLK：PDM 時鐘線。
• DIN/DOUT：串行數據輸入/輸出線。

每個 I2S 控制器都具備以下功能，可由 I2S 驅動進行配置：

• 可用作系統主機或從機
• 可用作發射器或接收器
• DMA 控制器支持流數據采樣，CPU 無需單獨復制每個采樣數據

每個控制器都有獨立的 RX 和 TX 通道，連接到不同 GPIO 管腳，能夠在不同的時鐘和聲道配置下工作。注意，盡管在一個控制器上 TX 通道和 RX 通道的內部 MCLK 相互獨立，但輸出的 MCLK 信號只能連接到一個通道。如果需要兩個互相獨立的 MCLK 輸出，必須將其分配到不同的 I2S 控制器上。

. 對比總結

特性	TDM	PDM
核心目標	多路信號時分復用	高精度模數信號轉換
適用場景	周期性數據（語音、固定速率流）	高動態模擬信號（音頻、傳感器）
抗噪能力	依賴信道質量	強（數字脈沖抗干擾）
硬件復雜度	中等（需同步電路）	低（單比特量化）
延遲	低（固定時隙）	較高（過采樣+濾波）

參考鏈接： I2S - ESP32-S3 - — ESP-IDF 編程指南 v5.4.1 文檔

為什么要學習I2S

• 高質量音頻傳輸：I2S是專為音頻設計的通信協議，能夠傳輸高質量的音頻數據，適合音頻播放、錄音等應用。
• 低延遲：I2S支持實時音頻處理，適合對延遲要求高的場景，如語音識別或實時音頻效果處理。
• ESP32內置I2S外設：ESP32集成了I2S接口，可直接連接麥克風、DAC、ADC等音頻設備，簡化硬件設計。
• 靈活性：I2S支持多種數據格式和采樣率，適應不同的音頻需求。
• 音頻播放與錄音：可用于音樂播放器、錄音設備等。
• 語音識別與控制：適合智能音箱、語音助手等需要音頻輸入輸出的設備。
• 音效處理：支持實時音效處理，如均衡器、混音器等。
• 低功耗：ESP32的I2S外設在低功耗模式下仍能高效工作，適合電池供電設備。
• 高性能：ESP32的高性能處理器結合I2S，能夠處理復雜的音頻任務。

總之I2S有助于開發高質量的音頻應用，擴展項目功能，尤其在物聯網和智能設備領域具有廣泛應用。豐富的資源和強大的硬件支持使得學習和開發更加便捷。

PCM原始數據

I2S錄制聲音

"""
使用I2S讀取數據
數據寬度16bit
采樣率16000Hz
緩沖區大小1024
"""from machine import I2S
from machine import Pin
import timesck_pin = Pin(14)
ws_pin = Pin(13)
sd_in_pin = Pin(12)
sd_out_pin = Pin(45)audio_in = I2S(0, sck=sck_pin, ws=ws_pin, sd=sd_in_pin, mode=I2S.RX,     # only RX mode availablebits=16,         # 數據寬度16bit，2字節format=I2S.MONO, # 單通道MONO, 雙通道STEREOrate=16000,      # 采樣率16000Hzibuf=2048        # 緩沖區大小1024字節
)
print("I2S init complete!")# 等待I2S初始化完成
# time.sleep_ms(500)# 所有數據的列表
frames = []print("開始錄制...")
# 錄制5s
start = time.time()
# 讀取數據
while True:if time.time() - start > 5:break# 創建一個字節數組buf = bytearray(1024)num = audio_in.readinto(buf)frames.append(buf)# 將音頻數據寫到文件
with open("audio.pcm", "wb") as f:for frame in frames:f.write(frame)audio_in.deinit();print("錄音結束：", len(frames), "幀")
# 合并所有數據
data = b''.join(frames)
print("數據長度：", len(data))

I2S播放聲音

"""
使用I2S播放數據
數據寬度16bit
采樣率16000Hz
緩沖區大小1024
"""from machine import I2S
from machine import Pin
import timesck_pin = Pin(14)
ws_pin = Pin(13)
sd_in_pin = Pin(12)
sd_out_pin = Pin(45)# sd引腳要設置為sd_out_pin
# 這里要注意用I2S.TXaudio_i2s = I2S(0, sck=sck_pin, ws=ws_pin, sd=sd_out_pin, mode=I2S.TX,     # only TX mode availablebits=16,         # 數據寬度16bit，2字節format=I2S.MONO, # 單通道MONO, 雙通道STEREOrate=16000,      # 采樣率16000Hzibuf=2048        # 緩沖區大小1024字節
)
print("I2S init complete!")# 等待I2S初始化完成
#time.sleep_ms(500)
# 讀取音頻文件
print("playing...")
counter = 0
with open("./audio.pcm", "rb") as f:while True:buffer = f.read(1024)if buffer:print("counter: ", counter)counter+=1audio_i2s.write(buffer)else:breakaudio_i2s.deinit()
print("play complete...")

WAV音頻

WAV 文件的前 44 個字節是文件頭部分，包含了音頻文件的元數據（如采樣率、位寬、聲道數等）。WAV 文件頭遵循 RIFF 格式規范，以下是其詳細結構：

---

WAV 文件頭結構（44 字節）

偏移量	字段名稱	大小（字節）	描述
0	Chunk ID	4	固定為 "RIFF" ，表示文件是一個 RIFF 格式的文件。
4	Chunk Size	4	文件總大小減去 8 字節（即文件大小 - 8）。
8	Format	4	固定為 "WAVE" ，表示這是一個 WAV 文件。
12	Subchunk1 ID	4	固定為 "fmt " ，表示接下來的部分是格式信息。
16	Subchunk1 Size	4	格式信息的大小（通常是 16 字節）。
20	Audio Format	2	音頻格式（PCM 為 1，表示未壓縮）。
22	Num Channels	2	聲道數（1 表示單聲道，2 表示立體聲）。
24	Sample Rate	4	采樣率（如 44100 Hz）。
28	Byte Rate	4	每秒的字節數（Sample Rate * Num Channels * BitsPerSample / 8 ）。
32	Block Align	2	每個采樣點的字節數（Num Channels * BitsPerSample / 8 ）。
34	Bits Per Sample	2	每個采樣點的位數（如 16 位）。
36	Subchunk2 ID	4	固定為 "data" ，表示接下來的部分是音頻數據。
40	Subchunk2 Size	4	音頻數據的大小（字節數）。
44	Data	N	音頻數據（從第 44 字節開始）。

解析wav格式數據

struct.unpack 是 Python 中用于將二進制數據解析為 Python 數據類型的函數。它通常用于處理二進制文件、網絡協議數據或硬件設備的原始數據。struct.unpack 是 struct.pack 的逆操作，后者用于將 Python 數據類型打包為二進制數據。

---

struct.unpack 的基本用法

struct.unpack(fmt, buffer)

• fmt：格式化字符串，指定如何解析二進制數據。
• buffer：包含二進制數據的字節對象（如 bytes 或 bytearray）。
• 返回值: 返回一個元組，包含解析后的數據。

---

格式化字符串 (fmt)

格式化字符串由以下部分組成：

1. 字節順序（可選）：

• • @：本地字節順序（默認）。
  • =：本地字節順序，忽略對齊。
  • <：小端序（低位字節在前）。
  • >：大端序（高位字節在前）。
  • !：網絡字節順序（大端序）。

1. 數據類型：

• • c：字符（1 字節）。
  • b：有符號字節（1 字節）。
  • B：無符號字節（1 字節）。
  • ?：布爾值（1 字節）。
  • h：有符號短整型（2 字節）。
  • H：無符號短整型（2 字節）。
  • i：有符號整型（4 字節）。
  • I：無符號整型（4 字節）。
  • l：有符號長整型（4 字節）。
  • L：無符號長整型（4 字節）。
  • q：有符號長長整型（8 字節）。
  • Q：無符號長長整型（8 字節）。
  • f：浮點型（4 字節）。
  • d：雙精度浮點型（8 字節）。
  • s：字符串（需要指定長度，如 10s 表示 10 字節的字符串）。
  • p：Pascal 字符串（1 字節長度 + 字符串）。
  • x：填充字節（跳過 1 字節）。

示例 1：解析單個值

import struct# 二進制數據（4 字節的無符號整型）
buffer = b'\x01\x00\x00\x00'# 解析為無符號整型
value = struct.unpack('<I', buffer)
print(value)  # 輸出: (1,)

示例 2：解析多個值

import struct# 二進制數據（2 個有符號短整型）
buffer = b'\x01\x00\x02\x00'# 解析為 2 個有符號短整型
values = struct.unpack('<2h', buffer)
print(values)  # 輸出: (1, 2)

示例 3：解析混合類型

import struct# 二進制數據（1 個無符號短整型 + 1 個浮點型）
buffer = b'\x01\x00\x00\x00\x00\x00\x80\x3f'# 解析為無符號短整型和浮點型
values = struct.unpack('<Hf', buffer)
print(values)  # 輸出: (1, 1.0)

示例 4：解析字符串

import struct# 二進制數據（10 字節的字符串）
buffer = b'hello\x00\x00\x00\x00\x00'# 解析為 10 字節的字符串
value = struct.unpack('<10s', buffer)
print(value)  # 輸出: (b'hello\x00\x00\x00\x00\x00',)

示例 5：解析 WAV 文件頭

import struct# 假設這是 WAV 文件的前 44 字節
wav_header = b'RIFF\x24\x00\x00\x00WAVEfmt \x10\x00\x00\x00\x01\x00\x02\x00\x44\xAC\x00\x00\x10\xB1\x02\x00\x04\x00\x10\x00data\x00\x00\x00\x00'# 解析 WAV 文件頭
chunk_id = struct.unpack('<4s', wav_header[0:4])[0]
chunk_size = struct.unpack('<I', wav_header[4:8])[0]
format = struct.unpack('<4s', wav_header[8:12])[0]
subchunk1_id = struct.unpack('<4s', wav_header[12:16])[0]
subchunk1_size = struct.unpack('<I', wav_header[16:20])[0]
audio_format = struct.unpack('<H', wav_header[20:22])[0]
num_channels = struct.unpack('<H', wav_header[22:24])[0]
sample_rate = struct.unpack('<I', wav_header[24:28])[0]
bits_per_sample = struct.unpack('<H', wav_header[34:36])[0]print("Chunk ID:", chunk_id)
print("Chunk Size:", chunk_size)
print("Format:", format)
print("Subchunk1 ID:", subchunk1_id)
print("Subchunk1 Size:", subchunk1_size)
print("Audio Format:", audio_format)
print("Num Channels:", num_channels)
print("Sample Rate:", sample_rate)
print("Bits Per Sample:", bits_per_sample)

---

注意事項

1. 字節順序：

• • 確保格式化字符串中的字節順序與數據的實際存儲順序一致。
  • 小端序（<）和大端序（>）是最常用的兩種字節順序。

1. 數據對齊：

• • 某些平臺可能要求數據對齊，可以使用 @ 或 = 來指定本地字節順序。

1. 緩沖區大小：

• • 確保緩沖區的大小與格式化字符串的要求一致，否則會拋出 struct.error。

1. 返回值：

• • struct.unpack 始終返回一個元組，即使只解析一個值。

---

總結

• struct.unpack 是 Python 中處理二進制數據的強大工具。
• 通過格式化字符串，可以靈活地解析各種數據類型。
• 在處理文件、網絡協議或硬件數據時，struct.unpack 非常有用。

實操演練

from machine import I2S, Pin
import struct# 配置I2S
i2s = I2S(0,  # I2S編號sck=Pin(14),  # 時鐘引腳ws=Pin(13),   # 字選擇引腳sd=Pin(45),   # 數據引腳mode=I2S.TX,  # 發送模式bits=16,      # 數據位寬format=I2S.MONO,  # 單聲道rate=16000,   # 采樣率ibuf=40000    # 輸入緩沖區大小
)# 解析WAV文件頭
def parse_wav_header(file):header = file.read(44)  # WAV文件頭長度為44字節if header[0:4] != b'RIFF' or header[8:12] != b'WAVE':raise ValueError("不是有效的WAV文件")ret = struct.unpack("4s",header[0:4])print("ret=",ret,header[0:4].decode())# 提取采樣率、位寬、聲道數等信息sample_rate = struct.unpack('<I', header[24:28])[0]bits_per_sample = struct.unpack('<H', header[34:36])[0]num_channels = struct.unpack('<H', header[22:24])[0]data_size = struct.unpack('<I', header[40:44])[0]return sample_rate, bits_per_sample, num_channels, data_size# 打開WAV文件
with open('audio.wav', 'rb') as f:sample_rate, bits_per_sample, num_channels, data_size = parse_wav_header(f)# 播放音頻數據buffer_size = 1024  # 每次讀取的緩沖區大小while True:buffer = f.read(buffer_size)if not buffer:break  # 文件讀取完畢i2s.write(buffer)  # 通過I2S發送音頻數據# 關閉I2S
i2s.deinit()print("播放完成")

保存wav格式數據

from machine import I2S, Pin
import struct# 配置I2S
i2s = I2S(0,  # I2S編號sck=Pin(14),  # 時鐘引腳ws=Pin(13),   # 字選擇引腳sd=Pin(12),   # 數據引腳mode=I2S.RX,  # 接收模式bits=16,      # 數據位寬format=I2S.MONO,  # 單聲道rate=16000,   # 采樣率ibuf=40000    # 輸入緩沖區大小
)# WAV文件參數
sample_rate = 16000  # 采樣率
bits_per_sample = 16  # 位寬
num_channels = 1  # 單聲道
duration = 5  # 錄制時長（秒）
buffer_size = 1024  # 每次讀取的緩沖區大小# 計算總數據量
total_samples = sample_rate * duration
total_data_size = total_samples * num_channels * (bits_per_sample // 8)# 創建WAV文件頭
def create_wav_header(sample_rate, bits_per_sample, num_channels, data_size):# WAV文件頭格式header = bytearray()header.extend(b'RIFF')  # Chunk IDheader.extend(struct.pack('<I', 36 + data_size))  # Chunk Sizeheader.extend(b'WAVE')  # Formatheader.extend(b'fmt ')  # Subchunk1 IDheader.extend(struct.pack('<IHHIIHH', 16, 1, num_channels,sample_rate,sample_rate * num_channels * (bits_per_sample // 8),num_channels * (bits_per_sample // 8),bits_per_sample))  # Subchunk1 Sizeheader.extend(b'data')  # Subchunk2 IDheader.extend(struct.pack('<I', data_size))  # Subchunk2 Sizereturn header# 創建WAV文件頭
wav_header = create_wav_header(sample_rate, bits_per_sample, num_channels, total_data_size)# 打開文件并寫入WAV文件頭
with open('audio.wav', 'wb') as f:f.write(wav_header)# 讀取音頻數據并寫入文件samples_read = 0while samples_read < total_samples:buffer = bytearray(buffer_size)i2s.readinto(buffer)  # 從I2S讀取數據f.write(buffer)  # 寫入文件samples_read += buffer_size // (bits_per_sample // 8)# 關閉I2S
i2s.deinit()print("錄音完成，文件已保存為 audio.wav")

結語

通過本文的學習，你已經掌握了ESP32的I2S音頻開發全流程：從硬件接口配置、PCM原始數據采集，到WAV文件頭的解析與生成，最終實現完整的音頻錄制與播放功能。這些技術可以廣泛應用于智能音箱、錄音筆、實時語音傳輸等場景。

技術的價值在于創造。不妨嘗試將這些代碼擴展為更復雜的應用——比如結合Wi-Fi實現遠程音頻流傳輸，或添加回聲消除算法提升音質。如果在實踐中遇到問題，不妨回顧I2S的時序特性或WAV文件格式的細節，往往能從中找到答案。

聲音是人與機器最自然的交互方式，而你現在已經握住了開啟這扇大門的鑰匙。愿你的項目因音頻而生動，因技術而卓越！ 🎵

---

小提示：

• 實際開發時，注意根據硬件（如麥克風、DAC模塊）調整I2S的采樣率、位寬等參數。

• WAV文件頭中的字段（如聲道數、數據大小）必須與音頻數據嚴格匹配，否則可能導致播放失敗。