Air1103 AI 语音芯片产品手册

作者：拓毅恒　|　最后修改：2026-09-28

1 产品概述

你需要一颗"自带麦克风、喇叭和 AI 语音算法，主控只用一根串口就能说话"的语音芯片吗？

Air1103 是合宙推出的串口 AI 语音芯片，广泛适用于智能家电、智能照明、玩具、穿戴、车载与两轮车等需要"听懂人说话、并能开口回答"的场景。

芯片把麦克风采集、喇叭播放、 3A 语音算法（降噪 ANS + 回声消除 AEC + 语音识别 ASR） 与串口通信集成在一起。主控（4G/CAT1 模组、MCU 等）只需一路 UART（2Mbps） 就能完成三件事：

• 拿音频 / 拿结果：接收降噪后的麦克风音频，或直接接收离线语音识别的指令文本；
• 放声音：把待播放的音频送给芯片，由芯片控制喇叭播放。

芯片不占用主控的 I2S/I2C，也无需外接 Codec、PA 及其配套电源控制，硬件设计与软件接入都更简单。

1.1 核心参数

• 主控：高性能 32 位音频处理器，支持硬件浮点运算（双核 32 位音频处理器）；
• AI 能力：第五代 TDNN 离线语音识别，支持 5 米远场可靠识别，识别时间小于 100ms；环境噪声抑制大于 20dB；回声消除 20dB 以上，支持全双工工作与播放中语音打断唤醒；支持中文、英文，并持续增加亚洲、欧洲、南美洲等小语种；
• 音频规格：两路 24 位 DAC（SNR ≥ 104dB）、两路 24 位 ADC（SNR ≥ 95dB），采样率支持 8kHz / 11.025kHz / 16kHz / 22.05kHz / 24kHz / 32kHz / 44.1kHz / 48kHz，支持 MP3 / WAV 音频解码；
• 串口协议：波特率 2000000bps，串口电平 3.3V；上行 / 下行音频为 16kHz / 16 位 / 单声道 PCM；
• 麦克风与喇叭：支持 1 路模拟麦克风接入；集成功放，额定功率 3W，可直接驱动不大于 3W 的喇叭；
• USB：1 路全速 USB 2.0 OTG，用于下载和烧写固件；
• 供电与温度：3.3V~5.5V（典型 5V），工作电流 30~200mA；工作温度 -20℃~+85℃，存储温度 -50℃~+85℃；
• 最大焊接温度：260℃（IPC/JEDEC J-STD-020）。

1.2 核心功能亮点

1）离线语音识别 + 3A 算法，复杂环境也能听懂

芯片在片内完成全部语音处理，不依赖云端：

• 离线语音识别（ASR）：第五代本地识别引擎，采用最新的神经网络（TDNN）算法，识别精准、误判率低；
• 语音降噪（ANS）：过滤风扇、油烟机、电机、胎噪等稳态噪声，并抑制动态噪声，环境噪声抑制 >20dB；
• 回声消除（AEC）：消除设备自身播放的声音（20dB 以上），喇叭外放的同时也能随时语音打断唤醒，天然适配免提通话、AI 语音对话等全双工场景。

识别结果通过串口 01 80 命令以 UTF-8 文本直接上报，主控无需做任何语音算法处理。

注意：离线语音识别功能需联系合宙任一同事沟通订制，需付费单独训练唤醒词和命令词。

2）一根串口搞定音频：16kHz PCM 上下行

串口帧格式统一为：包头（55 AA）+ 长度 + 命令 + 数据 + 和校验。音频采用 PCM+PCM 协议，上下行均为 16kHz / 16 位 / 单声道 PCM：

方向	命令	音频数据
上行（芯片 → 主控）	20 80	PCM 512 字节 / 16ms / 16kHz / 16 位单声道
下行（主控 → 芯片）	20 81	PCM 320 字节 / 10ms / 16kHz / 16 位单声道

上行每 16ms 一帧、下行每 10ms 一帧，主控只需按帧收发 16 位 PCM，不需要做任何编解码处理；降噪、回声消除、语音识别与音频播放全部由芯片在片内完成。

3）免提通话：内置 AEC，可作 4G 模组的"外置语音芯片"

芯片可将喇叭回采信号接入反馈引脚，实现通话消回声。搭配合宙 4G 模组时：

• SIP / VoLTE 通话：由芯片把 16kHz PCM 通过 UART 与主控交换，主控侧无需外置 Codec / PA / I2C；
• 本地提示音（振铃、挂断音）也可由芯片播放，避免占用通话通路。

4）LuatOS 扩展库：exaudio 一行接入

通过 exaudio 扩展库，合宙模组可把 Air1103 指定为音频模型，替代 ES8311 等外置 Codec，完成 MIC 采集、喇叭播放与本地提示音播放，详见第 8 章。

1.3 应用场景

• 智能家电、智能照明等的离线语音控制；
• 车载 / 两轮车语音交互（配合 4G/CAT1 模组接入在线大模型，支持离线+在线混合识别）；
• 通话类应用（VoLTE / SIP 通话的外置免提与回声消除，解决啸叫与回声）；
• AI 语音对话终端、语音助手（离线唤醒识别 + 在线大模型）；
• 通话桥接：Air1103 可作为主控的"外置语音芯片"参与 SIP ↔ VoLTE(CC) 音频桥接，主控侧无需 Codec / PA / I2C；
• 需要"语音播报 + 语音控制"的工业与消费类设备。

1.4 方案优势

1. 集成度高：麦克风、喇叭功放、AI 算法全部内置，主控只需一路 UART；
2. 环境适应强：降噪 + 回声消除 + 远场识别，强噪声环境下依然可用，支持播放中打断唤醒；
3. 接入简单：帧协议统一、命令清晰，串口音频为 16kHz PCM，主控按帧收发即可；
4. 免开发算法：离线识别开箱可用，识别结果直接以文本上报；
5. 合宙生态支持：提供 LuatOS 扩展库 air1103 / exaudio，并有 SIP 通话、SIP ↔ VoLTE 桥接等现成示例工程可直接复用。

Air1103 不只是一颗语音芯片，更是让设备"能听会说"的一站式串口语音方案——主控只管通信与联网，语音交给它。

2 硬件说明

2.1 脚位说明

表1 Air1103 管脚定义（QFN42，与 Air8784 原理图 V2.0 中 Air1103 符号一致）

引脚号	引脚名	类型	功能说明
1	GND	地	电源地
2	SW	输入	开关机按键输入（接按键到地）
3	VBAT	电源	主电源输入（3.3V~5.5V，典型 5V）
4	NC	—	NC（未使用，不连接）
5	IOVDD	电源	IO 电源（外接去耦电容）
6	DCVDD	电源	数字核心电源（外接去耦电容）
7	NC	—	NC（未使用，不连接）
8	NC	—	NC（未使用，不连接）
9	NC	—	NC（未使用，不连接）
10	NC	—	NC（未使用，不连接）
11	NC	—	NC（未使用，不连接）
12	NC	—	NC（未使用，不连接）
13	XOSCI	输入	24MHz 晶振输入
14	XOSCO	输出	24MHz 晶振输出
15	UART_TX	输出	串口发送（接主控 RX；3.3V~5V 耐压，可直接接 5V MCU IO）
16	NC	—	NC（未使用，不连接）
17	UART_RX	输入	串口接收（接主控 TX；3.3V~5V 耐压，可直接接 5V MCU IO）
18	NC	—	NC（未使用，不连接）
19	NC	—	NC（未使用，不连接）
20	NC	—	NC（未使用，不连接）
21	NC	—	NC（未使用，不连接）
22	USBDM	I/O	USB D-（下载与烧写固件）
23	USBDP	I/O	USB D+（下载与烧写固件）
24	NC	—	NC（未使用，不连接）
25	NC	—	NC（未使用，不连接）
26	NC	—	NC（未使用，不连接）
27	NC	—	NC（未使用，不连接）
28	NC	—	NC（未使用，不连接）
29	MUTE	输出	静音控制输出（接功放 MUTE / CTRL）
30	FEEDBACK_N	输入	功放反馈输入（负）
31	FEEDBACK_P	输入	功放反馈输入（正）
32	MICBIAS	输出	麦克风偏置电压输出
33	AGND	地	模拟地
34	VCM	输出	共模电压输出（外接去耦电容到 AGND）
35	SPK	模拟输出	喇叭驱动输出，可驱动 ≤3W 喇叭
36	MIC+	模拟输入	麦克风输入正端
37	NC	—	NC（未使用，不连接）
38	NC	—	NC（未使用，不连接）
39	NC	—	NC（未使用，不连接）
40	NC	—	NC（未使用，不连接）
41	NC	—	NC（未使用，不连接）
42	NC	—	NC（未使用，不连接）
0	GND（散热焊盘）	地	散热焊盘，接 GND

注：与串口语音协议直接相关的引脚是 UART_TX（引脚 15）、UART_RX（引脚 17）（通信）、MIC+（引脚 36）、MICBIAS（引脚 32）（麦克风）、SPK（引脚 35）（喇叭）、FEEDBACK_P / FEEDBACK_N（引脚 31 / 30）（功放反馈，回声消除参考）、VBAT（引脚 3）与 GND（引脚 1、13 等）（供电）；其余标 NC 的引脚未使用，原理图中不做连接。

2.2 电平说明

Air1103 串口 IO（UART_TX、UART_RX）为 3.3V 电平，且可耐 3.3V~5V 高压，因此：

● 若主控为 3.3V IO：可直接交叉连接（TX 接 RX、RX 接 TX）；

● 若主控为 5V IO：可直接连接，无需电平转换；

● 若主控为 1.8V 或其它电平：需增加电平转换电路，且因波特率达 2Mbps，转换电路的 MOS 切换速度必须足够快。

2.3 供电说明

通过 VBAT（引脚 3） 给芯片供电，输入范围为 3.3V~5.5V，典型 5V。芯片集成功放，喇叭由 SPK（引脚 35） 音频输出直接驱动（额定 3W，可驱动不大于 3W 的喇叭）。

2.4 温度

● 工作温度：-20℃ ~ +85℃；

● 存储温度：-50℃ ~ +85℃；

● 最大焊接温度：260℃（IPC/JEDEC J-STD-020）。

2.5 芯片封装

● 封装：QFN42（4mm × 5mm），含散热焊盘（引脚 0，接 GND）；

3 电气参数

表2 Air1103 主要电气参数

参数	条件	最小值	典型值	最大值	单位
存储温度范围	-	-50	-	85	℃
工作温度范围	-	-20	-	85	℃
芯片供电电压（VBAT）	-	3.3	5.0	5.5	V
工作电流	典型语音应用	30	-	200	mA
串口波特率	UART_TX、UART_RX	-	2000000	-	bps
串口电平	UART_TX、UART_RX	-	3.3	5.0（耐压）	V

4 芯片资料

资料简介	相关链接
产品原理图和封装	持续更新中.....

5 串口通信协议

5.1 帧格式

Air1103 与上位机之间的所有串口数据均采用统一的二进制帧格式：

表3 串口帧格式

字段	字节数	说明
包头	2	固定为 55 AA（0x55、0xAA）
长度	2	数据区的字节数 N，大端（高字节在前）
命令	2	命令字（见下表及第 6 章）
数据	N	数据内容（N 字节）
和校验	1	包头 + 长度 + 命令 + 数据 的累加和，取低 8 位

和校验计算： 校验字节 = (0x55 + 0xAA + 长度高字节 + 长度低字节 + 命令高字节 + 命令低字节 + Σ数据字节) & 0xFF（即所有校验字节之前字节的累加和，仅保留低 8 位）。

常用命令字一览：

方向	命令	名称	数据内容
上行（芯片→主控）	20 80	麦克风 PCM 音频	PCM 512 字节（16ms / 16kHz / 16 位单声道）
上行（芯片→主控）	01 80	语音识别结果	识别指令文本，N 字节 UTF-8 编码
下行（主控→芯片）	20 81	播放 PCM 音频	PCM 320 字节（10ms / 16kHz / 16 位单声道）
下行（主控→芯片）	02 01	停止上行发送音频	0 字节
下行（主控→芯片）	02 03	设置播放音量	1 字节（0~31）

5.2 PCM+PCM 音频协议（上行 / 下行）

芯片采用 PCM+PCM 协议：上行、下行均为 16kHz / 16 位 / 单声道原始 PCM，芯片在片内完成降噪、回声消除、识别与播放，主控按帧收发 16 位 PCM 即可，无需做任何编解码。

上行（芯片 → 主控，命令 20 80）： 芯片上电初始化完成后自动开始发送降噪后的麦克风音频。

● 每帧数据 512 字节，对应 16ms / 16kHz / 16 位单声道 PCM；

● 约每 16ms 一帧（≈32KB/s）；

● 完整帧：55 AA 02 00 20 80 [512 字节 PCM] [和校验]。

下行（主控 → 芯片，命令 20 81）： 主控把待播放的音频送给芯片，由芯片实时经喇叭播放。

● 每帧数据 320 字节，对应 10ms / 16kHz / 16 位单声道 PCM；

● 约每 10ms 一帧（≈32KB/s）；

● 完整帧：55 AA 01 40 20 81 [320 字节 PCM] [和校验]。

注：上行 512 字节 / 16ms、下行 320 字节 / 10ms 均由 16kHz×16bit×1ch = 256kbps 推导一致；两者采样率、位深、声道完全相同，仅单帧时长不同，便于主控与芯片各自的缓冲节奏。

5.3 语音识别结果上报

当本地识别到指令词时，芯片通过命令 01 80 把识别结果以 UTF-8 文本上报给主控：

● 数据 N 字节为识别指令的 UTF-8 编码（如"打开灯光" = 12 字节）；

● 完整帧：55 AA [长度 N 大端] 01 80 [N 字节 UTF-8] [和校验]。

5.4 常用控制命令

● 02 01：停止芯片上行发送音频（初始化完成后芯片默认持续上行，可用此命令暂停）；

● 02 03：设置播放音量（数据 1 字节，范围 0~31，对应 DAC 输出档位）。

6 命令说明

以下命令示例均以 16 进制字节流给出；每个示例第一行为发送方向（→ 为主控发往芯片，← 为芯片回复主控），第二行为字节内容，第三行为说明。

6.1 上行音频：20 80

功能说明： 芯片向上位机发送降噪后的麦克风 PCM 音频（PCM+PCM 协议，16ms / 512 字节一帧）。

完整帧结构：

字段	值
包头	55 AA
长度	02 00（512 字节，大端）
命令	20 80
数据	512 字节 PCM（16ms / 16kHz / 16bit / 单声道）
和校验	前述字节累加和取低 8 位

举例：

方向	字节内容	说明
←	55 AA 02 00 20 80 [512 字节 PCM] [CS]	芯片每 16ms 主动上报一帧麦克风音频

注意事项： 初始化完成后芯片自动开始上行；可用 02 01 停止上行；唤醒词被识别后会恢复上行。

6.2 下行音频：20 81

功能说明： 上位机向芯片发送待播放的 PCM 音频，芯片实时经喇叭播放（PCM+PCM 协议，10ms / 320 字节一帧）。

完整帧结构：

字段	值
包头	55 AA
长度	01 40（320 字节，大端，0x0140=320）
命令	20 81
数据	320 字节 PCM（10ms / 16kHz / 16bit / 单声道）
和校验	前述字节累加和取低 8 位

举例：

方向	字节内容	说明
→	55 AA 01 40 20 81 [320 字节 PCM] [CS]	主控每 10ms 下发一帧播放音频

6.3 识别结果上报：01 80

功能说明： 芯片把离线语音识别到的指令词以 UTF-8 文本上报。

完整帧结构：

字段	值
包头	55 AA
长度	N（识别文本 UTF-8 字节数，大端）
命令	01 80
数据	N 字节 UTF-8 编码的识别指令
和校验	前述字节累加和取低 8 位

举例（上报"打开灯光"，UTF-8 共 12 字节）：

方向	字节内容	说明
←	55 AA 00 0C 01 80 E6 89 93 E5 BC 80 E7 81 8C E5 85 89 [CS]	"打开灯光" 的 UTF-8 编码（E6 89 93 E5 BC 80 = 打开，E7 81 8C E5 85 89 = 灯光）

6.4 停止上行发送：02 01

功能说明： 上位机命令芯片停止上行发送麦克风音频。

完整帧结构：

字段	值
包头	55 AA
长度	00 00（0 字节）
命令	02 01
数据	0 字节
和校验	前述字节累加和取低 8 位

举例：

方向	字节内容	说明
→	55 AA 00 00 02 01 [CS]	停止芯片上行发送音频

6.5 设置播放音量：02 03

功能说明： 设置芯片喇叭播放音量。

完整帧结构：

字段	值
包头	55 AA
长度	00 01（1 字节）
命令	02 03
数据	1 字节，音量值 0~31（DAC 输出档位）
和校验	前述字节累加和取低 8 位

举例（设置音量为 20）：

方向	字节内容	说明
→	55 AA 00 01 02 03 14 [CS]	设置播放音量为 20（0x14）

注意事项： 建议上位机上电后先自行下发一次音量设置。

7 应用说明

7.1 典型接线

芯片引脚	连接对象	说明
UART_TX（引脚 15）	主控 UART_RX	芯片发送 → 主控接收
UART_RX（引脚 17）	主控 UART_TX	芯片接收 ← 主控发送
GND（引脚 1、13 等）	主控 GND	共地
VBAT（引脚 3）	5V（或 3.3~5.5V）	主电源输入
MIC+（引脚 36）、MICBIAS（引脚 32）	模拟麦克风	单端接入麦克风，偏置由 MICBIAS 提供
SPK（引脚 35）	功放 / ≤3W 喇叭	音频输出，经功放驱动喇叭
FEEDBACK_P（引脚 31）、FEEDBACK_N（引脚 30）	喇叭回采（经三级滤波）	回声消除参考输入

7.2 电平转换

● 芯片串口 IO 为 3.3V、可耐 5V：主控为 3.3V 或 5V 时均可直接交叉连接；

● 主控为 1.8V 或其它电平：必须加电平转换电路；

● 因串口波特率达 2Mbps，电平转换电路的 MOS 切换速度必须足够快，否则会出现丢帧。

7.3 AEC 回采（回声消除参考）

为实现播放中语音打断唤醒与全双工通话消回声，需把喇叭播放的信号回采给芯片的功放反馈引脚：

● 从喇叭输出端（SPK，引脚 35，原理图中网络名为 DACLP）经过三级滤波后，接入芯片的 FEEDBACK_P（引脚 31）/ FEEDBACK_N（引脚 30），作为回声消除（AEC）的参考信号；

7.4 音频收发时序

● 上行音频： 芯片上电初始化完成后即自动以约 16ms 周期发送 20 80 音频帧（512 字节/帧）；如需暂停，主控发 02 01；唤醒词被识别后芯片恢复上行。

● 下行音频： 主控以约 10ms 周期下发 20 81 音频帧（320 字节/帧），芯片接收后实时经喇叭播放；若主控侧的语音/提示音为其它格式（如 MP3/WAV），需先解码为 16kHz/16bit/单声道 PCM 再按帧下发。

● 识别结果： 离线识别到指令词时，芯片通过 01 80 以 UTF-8 文本上报，主控解析后执行相应动作即可，无需自建语音算法。

8 LuatOS 扩展库用法

使用 LuatOS 开发，不需要自己组帧、算和校验、卡 10ms发送节奏，直接调用 exaudio 扩展库即可完成上行录音、下行播放与本地提示音播放；帧封装（55 AA + 长度 + 命令 + 数据 + 和校验）、帧间隔控制与缓冲管理全部由扩展库在底层自动完成。

扩展库文档：https://docs.openluat.com/osapi/ext/exaudio/

扩展库代码：script/libs/exaudio.lua

8.1 初始化

-- model 指定使用 Air1103；uart_id 可选(默认 1)；库内部自动按 2Mbps 初始化串口并加载底层驱动
exaudio.setup({model = "air1103", audio_mode = "new", uart_id = 1})

Air1103 模式下不需要任何本地 Codec / PA / I2C 操作；初始化完成后芯片即自动开始上行（持续发送 20 80 音频帧）。

8.2 上行录音（芯片麦克风 → 主控）

调用 exaudio.record_start() 后，扩展库自动解析芯片上行的 20 80 帧并逐段回调，回调里拿到的就是可直接使用的 16kHz / 16 位 / 单声道 PCM：

exaudio.record_start({
    format = exaudio.PCM_16000,   -- Air1103 固定 16kHz / 16bit / 单声道
    time   = 0,                   -- 0 = 不限时录音，需自行调用 record_stop() 停止
    path   = function(data, len)
        -- data 为 zbuff，本次有效数据 len 字节(16kHz / 16bit / 单声道 PCM)
        -- 可直接 data:query(0, len) 取出后送 voip.pcmIn()、编码上传或写文件
    end,
    cbfnc  = function(event)      -- 可选：录音结束事件(如录音时间到)
        -- event == exaudio.RECORD_DONE
    end,
})

exaudio.record_stop()             -- 停止录音(同时停止芯片上行发送)

8.3 下行播放（主控 → 芯片喇叭）

Air1103 只支持流式 PCM 播放（type = 2），把 PCM 喂进扩展库即可，库会自动按 320 字节 / 帧、10ms 一帧下发：

exaudio.play_start({type = 2, cbfnc = function(event)
    -- event == exaudio.PLAY_DONE 表示缓冲已播完
end})

exaudio.play_stream_write(pcm)         -- 可多次调用，每次长度任意，内部自动切帧
exaudio.play_stream_write(pcm, true)   -- 最后一次带 true，表示数据喂完，播完触发 cbfnc

exaudio.is_end()                       -- 查询是否已播放完毕
exaudio.play_stop()                    -- 需要立即停止时调用

注意：下行数据必须是 16kHz / 16bit / 单声道 PCM；若音频源为 MP3 / WAV，需先解码为 PCM 再喂入。队列空时扩展库会自动补发静音帧保活，避免数据流中断产生爆音，主控不必自己控制 10ms 节奏。

8.4 本地提示音（来电振铃 / 挂断）

-- 来电：循环振铃(按键接听场景，未接通前一直响)
exaudio.play_ringback_loop()

-- 按键接听前：停止振铃(复位芯片并恢复上行 MIC，供通话使用)
exaudio.stop_ringback()

-- 对端挂断：先停振铃(不复位)、紧接着播挂断提示音，提示音播完统一复位芯片
exaudio.stop_ringback(true)
exaudio.play_hangup()

注意： 1. 提示音与通话音频共用 Air1103 下行，需在非通话期间播放； 2. exaudio.play_ringback([callback]) 为单遍播放（播完回调，适合自动接听场景）； 3. exaudio.stop_ringback(true) 只是把复位"延后"，必须紧接着调用 exaudio.play_hangup() 这类会收尾复位的提示音；若只传 true 而不播提示音，芯片不会复位、上行 MIC 不会恢复，挂断后主动呼出将没有声音。

8.5 底层驱动接口（air1103）

air1103.lua 是 exaudio 的内部驱动模块（库文件头已注明"业务代码请勿直接 require"）。以下接口用于理解串口协议、注册识别结果回调或单独调试串口，正常业务直接用 exaudio 即可。

接口	说明
air1103.init(id, baud)	初始化串口（默认 UART1 / 2Mbps，exaudio.setup 已自动调用）
air1103.on_audio_data(cb)	注册上行 MIC 数据回调（512 字节 / 帧，16kHz / 16bit / 单声道）
air1103.on_identify(cb)	注册离线识别结果回调（UTF-8 文本）
air1103.play_stream_start(vol)	启动下行流式播放（音量 0~31）
air1103.play_stream_write(pcm)	喂入下行 PCM（内部按 320 字节 / 帧切分）
air1103.play_stream_stop()	结束流式播放（播完缓冲剩余数据后停止）
air1103.set_volume(vol)	设置播放音量（0~31）
air1103.stop_audio()	停止上行发送（命令 02 01）
air1103.reset()	程序复位（命令 02 05，复位后自动恢复 MIC 上行）
air1103.play_busy(on_done) / air1103.play_busy_loop()	播放 / 循环播放接通提示音
air1103.stop_tones(skip_reset)	停止循环提示音
air1103.play_hangup(on_done)	播放挂断提示音

获取离线识别结果示例：

local air1103 = require "air1103"   -- 与 exaudio 内部为同一个模块实例，无需重复初始化

air1103.on_identify(function(text)
    log.info("air1103", "识别结果", text)   -- 如"打开灯光"
end)

8.6 参考示例工程

• SIP 通话示例（Air8784）：module/Air8784/SIP
• SIP ↔ VoLTE(CC) 桥接示例（Air8784）：module/Air8784/sip_cc_demo

说明：SIP / VoLTE 通话场景下，上行 PCM 需送 voip.pcmIn()、下行 PCM 从 voip.pcmOut() 取出后经 exaudio.play_stream_write() 下发，通话桥接逻辑可直接参考上述示例工程。