IoT-For-Beginners 实战：在 Raspberry Pi 上配置麦克风与扬声器，为语音识别智能定时器铺路
【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners
本篇技术指南基于微软开源课程项目IoT-For-Beginners中"消费者物联网 · 语音识别"一课（课程主页）的 Raspberry Pi 硬件配置环节，系统讲解如何为树莓派连接并配置麦克风与扬声器：包括硬件选型、ALSA 声卡枚举（arecord -l/aplay -l）、默认声卡切换（alsa.conf）以及录制/回放验证。完成本文后，你将能搭建一套可用的树莓派音频输入输出环境，为后续"按下按钮录音 → 语音转文字"的智能厨房定时器项目打好硬件基础。
背景：为什么要给树莓派配麦克风与扬声器
在6-consumer/lessons/1-speech-recognition这一课中，你将构建一个支持语音控制的智能厨房定时器：按下按钮说话，树莓派采集音频，再借助 Azure Speech Service（认知服务）把语音转成文字并打印到控制台。整条链路的第一步，就是让树莓派"能听"（麦克风）与"能说"（扬声器，用于在测试阶段回放验证录音）。
树莓派本身没有内置麦克风，必须外接；但它带有 3.5mm 耳机输出口，可连接耳机、耳麦或音箱。本文档（translations/cs/6-consumer/lessons/1-speech-recognition/pi-microphone.md，英文原版见 6-consumer/lessons/1-speech-recognition/pi-microphone.md）正是该课程中针对"单板计算机（Raspberry Pi）"的硬件配置子章节。
硬件选型：麦克风的五种接法
树莓派没有板载麦克风，需要外接，常见方案有：
- USB 麦克风：即插即用，最常见；
- USB 耳麦：带麦克风的 USB 耳机；
- USB 一体式会议扬声器（speakerphone）：同时具备麦克风与扬声器；
- USB 音频适配器 + 3.5mm 接口麦克风：适合手头有传统模拟麦克风的情况；
- ReSpeaker 2-Mics Pi HAT（Seeed 出品）：直接以 HAT 形式插在树莓派 GPIO 上，自带双麦克风、一个 Grove 按钮和 3.5mm/JST 音频输出。
💁蓝牙麦克风不推荐：树莓派对蓝牙麦克风支持并不完整，若使用蓝牙麦克风或蓝牙耳麦，可能遇到配对困难或无法录音的问题。
扬声器的五种接法
树莓派自带 3.5mm 耳机输出口，可直接接耳机、耳麦或音箱；此外还可通过以下方式外接扬声器：
- HDMI 音频：通过显示器或电视输出声音；
- USB 音箱；
- USB 耳麦；
- USB 一体式会议扬声器；
- ReSpeaker 2-Mics Pi HAT：将扬声器接到其 3.5mm 接口或 JST 端口。
连接并配置麦克风
第 1 步：物理连接
用合适的方式连接麦克风，例如插入任意一个 USB 口。
第 2 步（可选）：使用 ReSpeaker 2-Mics Pi HAT
如果你选用 ReSpeaker HAT，可以取下原来的 Grove Base HAT，换上 ReSpeaker HAT：
本课后续录音需要用到 Grove 按钮，而该 HAT 上已内置一个按钮，因此可以不再需要 Grove Base HAT。装好 HAT 后，还需要按 Seeed 官方入门说明安装驱动。
⚠️ Seeed 的安装说明依赖
git克隆仓库。若你的树莓派未安装 git，可先执行：sudo apt install git --yes
第 3 步：枚举已连接的麦克风
在树莓派本机终端，或通过 VS Code Remote-SSH 连接后的终端中执行：
arecord -l该命令会列出所有可用的录音（Capture）硬件设备，输出形如：
pi@raspberrypi:~ $ arecord -l **** List of CAPTURE Hardware Devices **** card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio] Subdevices: 1/1 Subdevice #0: subdevice #0记下卡片号（card number），后续 Python 录音代码需要用到。以上输出中卡片号为1。
💡 建议只保留一个麦克风：Linux 下多麦克风配置较繁琐，只插一个、拔掉其余是最省事的做法。
连接并配置扬声器
第 1 步：物理连接
用合适的方式连接扬声器（3.5mm 耳机口、USB 或 HDMI）。
第 2 步：枚举已连接的扬声器
执行：
aplay -l输出形如：
pi@raspberrypi:~ $ aplay -l **** List of PLAYBACK Hardware Devices **** card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones] Subdevices: 8/8 Subdevice #0: subdevice #0 ... card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio] Subdevices: 1/1 Subdevice #0: subdevice #0其中card 0: Headphones总是存在，它是树莓派内置的 3.5mm 耳机输出口；若你还接了 USB 音箱等额外设备，它们也会出现在列表中。
第 3 步：把外接扬声器设为默认
如果你使用的是外接扬声器（而非接在内置耳机口上的音箱/耳机），需要把它设为 ALSA 的默认播放设备：
sudo nano /usr/share/alsa/alsa.conf用方向键向下滚动，找到：
defaults.pcm.card 0把0改为上一步aplay -l输出中对应声卡的卡片号。例如输出中有card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]，要使用它则改为：
defaults.pcm.card 1用方向键定位到数字，删除后输入新数字即可。
第 4 步：保存并退出
按Ctrl+x，按y确认保存，再按Enter确认文件名。
这一
defaults.pcm.card值非常重要——课程后续录音代码 code-record/pi/smart-timer/app.py 中的speaker_card_number（扬声器卡片号）就与该配置保持一致；若回放报错，首先检查这里。
测试麦克风与扬声器
录制 5 秒音频
arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav命令运行期间对着麦克风说话、唱歌或制造任何声音。参数说明：
| 参数 | 含义 | 本课取值 |
|---|---|---|
--format=S16_LE | 16-bit 小端序 PCM 采样（有符号整数） | S16_LE |
--duration=5 | 录制时长（秒） | 5 |
--rate=16000 | 采样率 16KHz，对语音转文字足够 | 16000 |
--file-type=wav | 输出未压缩 WAV 文件 | wav |
16KHz、16-bit 单声道音频每秒约 32KB（16,000 样本/秒 × 2 字节/样本），这也是语音识别模型常用的输入规格。
回放验证
5 秒后录制自动结束，执行：
aplay --format=S16_LE --rate=16000 out.wav声音应通过扬声器播放出来，必要时调节扬声器音量。
调节音量与增益
如需调节内置麦克风口音量或麦克风增益，可使用alsamixer工具（其用法详见 Linux 的 alsamixer man 手册）。若回放时出现错误，请再次检查alsa.conf中defaults.pcm.card是否指向了正确的卡片。
与项目代码的衔接：从录音到语音转文字
完成本文的硬件配置后，接下来课程会引导你完成两步：
采集音频（pi-audio.md）：安装
pyaudio依赖（sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes，再pip3 install pyaudio），用代码把本文记录到的microphone_card_number/speaker_card_number填入 app.py：microphone_card_number = 1 # arecord -l 查到的卡片号 speaker_card_number = 1 # alsa.conf 中 defaults.pcm.card 的卡片号 rate = 48000 # 采样率；报 Invalid sample rate 时可改 44100 或 16000语音转文字（pi-speech-to-text.md）：用
requests先向 Azure Speech Service 获取访问令牌（令牌约 10 分钟过期），再把 WAV 音频缓冲区 POST 到语音识别 REST API，将识别文本打印到控制台。完整实现见 code-speech-to-text/pi/smart-timer/app.py，其中录音回调逻辑与本文配置的采样率rate严格对应（请求头Content-Type中的samplerate={rate}）。
由此可见，本文中的arecord -l/aplay -l卡片号、alsa.conf默认声卡设置以及 16KHz 采样率，是整个智能定时器"按下按钮说话 → 云端识别"链路正确运行的地基。
常见问题排查
- 回放报错：优先检查
/usr/share/alsa/alsa.conf中defaults.pcm.card是否与aplay -l输出一致。 OSError: [Errno -9997] Invalid sample rate：运行课程代码时若出现该错误，把rate改为44100或16000。- 创建 PyAudio 实例时的 ALSA 警告：类似
Unknown PCM cards.pcm.front的报错来自树莓派上未连接的音频设备配置，可忽略。 - 蓝牙设备无法录音：换用 USB 或有线方案。
小结
通过本文，你已完成树莓派语音识别的硬件准备：选型并连接麦克风/扬声器、用arecord -l与aplay -l确认声卡、在alsa.conf中指定默认播放设备、并用arecord/aplay完成录制回放自检。这套环境接下来将直接服务于 IoT-For-Beginners 消费者项目中的智能定时器——按下按钮采集语音，交给云端 AI 转为文字，构建一个属于自己的语音交互设备。
【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
