Edge AI на кончиках пальцев: Как подключить I2S MEMS микрофон к ASI Biont для голосового управления умным домом

Введение

Голосовое управление давно перестало быть фантастикой. Теперь достаточно сказать «Включи свет» или «Открой шторы», и умный дом реагирует. Но как сделать это без дорогих облачных сервисов и с полным контролем над данными? Ответ — Edge AI на базе I2S MEMS микрофонов (например, INMP441 или SPH0645LM4H) и AI-агента ASI Biont. В этой статье я покажу, как подключить такой микрофон к AI-агенту через ESP32 или Raspberry Pi, настроить распознавание ключевых слов (wake word) и автоматизировать действия — от включения света до отправки уведомлений в Telegram. Никаких сторонних голосовых ассистентов — только ваш код и AI, который пишет интеграцию за секунды.

Что такое I2S MEMS микрофон и зачем его подключать к AI-агенту?

I2S MEMS (Micro-Electro-Mechanical Systems) микрофоны — это компактные, энергоэффективные цифровые микрофоны, которые передают аудиоданные по интерфейсу I2S. Они идеальны для проектов Edge AI, потому что обработка звука происходит прямо на устройстве (on-device ML), без отправки аудио в облако. Это даёт три ключевых преимущества:
- Приватность: голосовые данные не покидают ваш дом.
- Скорость: команды выполняются за миллисекунды.
- Автономность: работа даже при обрыве интернета (для локальных действий).

Подключив такой микрофон к ASI Biont, вы получаете AI-агента, который не только распознаёт команды, но и может:
- управлять устройствами умного дома (через MQTT, HTTP API, Modbus);
- отправлять уведомления в Telegram;
- логировать события в базу данных;
- анализировать тренды (например, уровень шума в комнате).

Как AI-агент подключается к микрофону? Выбираем способ

ASI Biont поддерживает 14 способов подключения к устройствам. Для аудиообработки на ESP32 или Raspberry Pi оптимальны два:

В этой статье мы рассмотрим оба варианта с реальными примерами кода.

Сценарий 1: ESP32 + INMP441 + MQTT → ASI Biont

Задача: Распознать голосовую команду «Включи свет» и отправить её в ASI Biont, который включит умную лампочку через MQTT.

Шаг 1. Собираем схему

Подключите INMP441 к ESP32 по схеме:
- INMP441 VDD → ESP32 3.3V
- INMP441 GND → GND
- INMP441 SCK → GPIO26 (I2S BCLK)
- INMP441 WS → GPIO25 (I2S LRCLK)
- INMP441 SD → GPIO33 (I2S DIN)
- INMP441 L/R → GND (левый канал)

Шаг 2. Прошиваем ESP32 (MicroPython)

Установите MicroPython на ESP32 (инструкция на micropython.org). Затем загрузите скрипт, который читает I2S и детектирует ключевое слово по энергии сигнала (упрощённый вариант; для продакшена используйте TensorFlow Lite Micro с моделью wake word).

# main.py на ESP32
from machine import Pin, I2S
import network
import time
import json
from umqtt.simple import MQTTClient

# Настройка I2S
bclk = Pin(26)
lrclk = Pin(25)
din = Pin(33)
i2s = I2S(0, sck=bclk, ws=lrclk, sd=din, mode=I2S.RX, bits=16, format=I2S.MONO, rate=16000, ibuf=2048)

# MQTT настройки
WIFI_SSID = "ваш_ssid"
WIFI_PASS = "ваш_пароль"
MQTT_BROKER = "broker.hivemq.com"
MQTT_TOPIC = b"home/voice_command"

# Подключение к Wi-Fi
wlan = network.WLAN(network.STA_IF)
wlan.active(True)
wlan.connect(WIFI_SSID, WIFI_PASS)
while not wlan.isconnected():
    time.sleep(0.5)

# MQTT клиент
client = MQTTClient("esp32_audio", MQTT_BROKER)
client.connect()

# Простая детекция звука по RMS (порог подбирается)
THRESHOLD = 1000

def detect_sound():
    buf = bytearray(1024)
    i2s.readinto(buf)
    samples = [int.from_bytes(buf[i:i+2], 'little') for i in range(0, len(buf), 2)]
    rms = (sum(s*s for s in samples) / len(samples)) ** 0.5
    return rms > THRESHOLD

# Основной цикл
while True:
    if detect_sound():
        # В реальном проекте здесь запускается распознавание через TensorFlow Lite
        # Для демо отправляем заглушку "voice_detected"
        payload = json.dumps({"event": "voice_detected", "device": "esp32_living_room"})
        client.publish(MQTT_TOPIC, payload)
        print("Опубликовано:", payload)
    time.sleep(0.1)

Шаг 3. Подключаем ASI Biont к MQTT

В чате с AI-агентом ASI Biont пишем:

Подключись к MQTT-брокеру broker.hivemq.com, подпишись на топик home/voice_command. Когда придёт сообщение с event "voice_detected" от ESP32, включи умную лампочку через HTTP API на http://192.168.1.100/api/light/on. И отправь мне уведомление в Telegram: "Голосовая команда получена, свет включён".

AI автоматически генерирует и выполняет Python-скрипт в sandbox (через execute_python). Пример кода, который сгенерирует AI:

import paho.mqtt.client as mqtt
import requests
import json

TELEGRAM_TOKEN = "ваш_токен"
TELEGRAM_CHAT_ID = "ваш_chat_id"

def on_message(client, userdata, msg):
    payload = json.loads(msg.payload)
    if payload.get("event") == "voice_detected":
        # Включаем свет
        requests.get("http://192.168.1.100/api/light/on")
        # Отправляем уведомление
        text = "Голосовая команда получена, свет включён"
        requests.post(f"https://api.telegram.org/bot{TELEGRAM_TOKEN}/sendMessage",
                      json={"chat_id": TELEGRAM_CHAT_ID, "text": text})

client = mqtt.Client()
client.on_message = on_message
client.connect("broker.hivemq.com", 1883, 60)
client.subscribe("home/voice_command")
client.loop_forever()  # Внимание: в sandbox таймаут 30 сек, для продакшена используйте bridge

Важно: execute_python в sandbox имеет таймаут 30 секунд. Для постоянного мониторинга используйте Hardware Bridge (bridge.py) на своём ПК, который подключается к ASI Biont через WebSocket и может крутить бесконечный цикл.

Сценарий 2: Raspberry Pi + SPH0645LM4H + SSH → ASI Biont

Задача: На Raspberry Pi запущен Python-скрипт, который слушает микрофон и при обнаружении слова «помощь» отправляет уведомление в Telegram.

Шаг 1. Настройка Raspberry Pi

Подключите SPH0645LM4H по I2S (пины: BCLK=18, LRCLK=19, DIN=21, VDD=3.3V, GND=GND). Включите I2S в /boot/config.txt:

dtoverlay=googlevoicehat-codec

Установите зависимости:

sudo apt update
sudo apt install python3-pip portaudio19-dev
pip install pyaudio webrtcvad requests

Создайте скрипт listen.py:

import pyaudio
import webrtcvad
import requests
import json

# Настройки
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 16000
FRAME_DURATION = 30  # ms
CHUNK = int(RATE * FRAME_DURATION / 1000)
VAD_MODE = 1  # агрессивность 0-3

vad = webrtcvad.Vad(VAD_MODE)
pa = pyaudio.PyAudio()

stream = pa.open(format=FORMAT, channels=CHANNELS, rate=RATE,
                 input=True, frames_per_buffer=CHUNK)

print("Слушаю...")
while True:
    frame = stream.read(CHUNK)
    is_speech = vad.is_speech(frame, RATE)
    if is_speech:
        # Здесь можно подключить распознавание через vosk или TensorFlow
        # Для демо — просто отправляем событие
        payload = {"event": "speech_detected", "device": "rpi_office"}
        # Отправляем на локальный HTTP-сервер или MQTT
        requests.post("http://localhost:8000/event", json=payload)
    time.sleep(0.01)

Шаг 2. AI подключается по SSH

В чате ASI Biont пишем:

Подключись по SSH к 192.168.1.50 (логин: pi, пароль: raspberry). Запусти listen.py в фоне. Когда скрипт отправит событие speech_detected, отправь мне уведомление в Telegram: "В офисе обнаружена речь!"

AI сгенерирует код с paramiko и выполнит его:

import paramiko
import requests
import json

# Подключаемся по SSH
ssh = paramiko.SSHClient()
ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())
ssh.connect("192.168.1.50", username="pi", password="raspberry")

# Запускаем скрипт в фоне (но screen или nohup)
ssh.exec_command("nohup python3 /home/pi/listen.py > /dev/null 2>&1 &")

# Для простоты AI может запустить скрипт, который сам слушает HTTP-эндпоинт
# Но в этом примере мы просто проверяем, что скрипт запущен
print("Скрипт запущен на RPi")
ssh.close()

Почему это выгодно?

Без ASI Biont вам пришлось бы:
- Писать код интеграции с MQTT/SSH/HTTP самостоятельно.
- Настраивать логику обработки событий.
- Разбираться с библиотеками и долбиться в дебаг.

С ASI Biont вы просто описываете задачу на естественном языке — AI пишет код за секунды. Ошибки? AI их видит и исправляет. Новое устройство? Просто опишите его в чате. Никаких дашбордов и кнопок «добавить устройство» — только диалог.

Заключение

Подключение I2S MEMS микрофона к ASI Biont открывает путь к созданию полностью приватной, быстрой и настраиваемой системы голосового управления. Вы сами решаете, какие слова слушать, куда отправлять данные и как реагировать. AI-агент берёт на себя всю рутину интеграции — от генерации кода до отладки. Попробуйте сами: опишите в чате на asibiont.com ваше устройство (ESP32, Raspberry Pi, любой микроконтроллер) и получите готовую интеграцию за минуту. Голосовой умный дом ближе, чем кажется.