唯创知音6款Arduino语音模块，MP3、TTS、离线识别、蓝牙、鼾声、哭声，项目怎么选？看这一篇就够了

摘要：做 Arduino 语音项目，模块选不对，再简单的需求也容易返工。不用死磕芯片手册，从你的项目输入、预期输出出发，理清六类语音模块能力，看懂接口、功能边界，让方案商、科创团队、创客少走弯路。

上一篇文章里面我们聊过，Arduino项目做语音相关开发，存在裸芯片、成品模块两条开发路线。

对于大多数方案商、科创竞赛、教具开发、个人DIY 项目，优先选用适配Arduino的模块是更务实的选择，可以跳过电源、功放、存储、晶振、PCB 抗干扰、底层驱动这些复杂硬件工作，接4根线加少量业务代码就可以完成前期功能验证。

但是当我们拿到一堆型号参数之后，又会遇到新的难题：市面上语音模块品类很多，唯创知音就有MP3、TTS、离线识别、蓝牙、鼾声识别、哭声识别，六大品类。看着都和语音相关，实际能力边界差异却很大。

不少人踩过这样的坑：想做动态文字播报，买回来 MP3 播放模块，才发现只能播放提前烧录好的音频文件；想要识别说话口令，拿了 TTS 模块，结果模块只负责 “说”，并不具备听和识别的能力；做睡眠监测项目，采购普通语音识别模块，才发现它无法识别鼾声这类特殊声音的事件。

模块本身没有优劣之分，只有适不适合项目需求。选型最核心、也最高效的思路，不是先看芯片型号，而是先梳理两件事：你的项目输入的是什么？你希望模块输出什么样的结果？

基于输入输出做判断，就可以快速缩小选型范围。

我们结合实际硬件能力、接口条件、功能边界和真实落地场景，把六类 Arduino 语音模块逐一拆开讲清楚——每一类能做什么、不能做什么，有哪些细节需要留意。

一、MP3播放WT2003H，播放预存音频文件

把提前准备好的 MP3、WAV 音频文件，用 Type-C 接口拷进模块的 Flash 存储里，就能通过喇叭播放出来。播放的同时，串口会反馈当前播放状态和第几首曲目，方便主控实时掌握播放进度

WT2003H 是一体化 MP3 播放模块，LDO 电源、音频功放、Flash 存储、PH2.0 接口这些外围电路，出厂就已经在模块上焊好、调好了，还集成了一体式喇叭。拿到手直接用，不用再额外搭功放电路。

硬件接线，通过 VCC、GND、TX、RX 四线就可以和 Arduino 主控完成对接，用 UART 串口协议下发指令，可以实现指定曲目播放、暂停、停止、切歌、音量调节、循环模式切换这些操作。文件更新也比较方便，用 Type‑C 数据线连接电脑，模块会被识别成模拟 U 盘，直接把音频文件拷贝进去就可完成语音更新，不需要专用烧录器。

常见的应用场景有， 工业设备的状态提示音、家电按键反馈播报、科教教具/竞赛作品的提示音效、门店排队叫号，等其他自助设备的固定语音提示。很多洗衣机、热水器上面的提示音，就是MP3这类方案。

模块能力与边界

1：供电方面支持 4.7–9V 宽压，Arduino 和各类嵌入式设备的电源环境都能直接适配。模块内置了 64Mbit Flash，可用存储空间接近 8MB，放多段提示音频完全够用。

2：音频更新不用动固件程序，不过这里有个容易踩坑的小细节，如果你对播放顺序有严格要求，就得注意了——模块实际读取的播放顺序，不一定跟你在电脑上看到的文件夹排序一样。它真正按什么顺序播，取决于文件当初写入Flash的先后顺序。

3：功能边界：没有文字合成的能力，音频内容需要提前在电脑端剪辑制作完成。

二、TTS 文字转语音WT3000T，实时合成播报

Arduino或者其他平台下发的任意文本字符串，包含中文、数字、符号、英文字母都能读。文本内容在项目运行过程中可以随时变，不用提前录音。主控下发什么文本，模块就实时转成人声播报出来。状态反馈有两套，方便 Arduino 判断播报进度：一个是硬件 BUSY 引脚，用高低电平告诉你模块是在播报还是空闲；另一个是串口，会返回指令应答和工作状态查询结果。

很多项目场景里，提示内容本身就是一个变量，没办法提前录好音频。比如电梯楼层、加油站实时油价、门禁临时密码，公交站牌报站，还有传感器采集到的监测数据，每次播报的内容都不一样，这种场景就适合用 TTS 文字转语音模块。

WT3000T 通过 UART 串口接收文本指令，芯片内部完成文本解析和语音合成，再输出音频信号，外接喇叭就能听到播报声音。音量、语速、语调都支持调节，文本采用的是GB2312 编码，单次最多支持 2K 字节，大约 1000 个中文字符。

模块能力与边界

1：硬件接口走的是 UART串口TTL 电平，供电 2.6–5V，Arduino 开发板可以直接兼容。不过要注意的是，模块只输出音频信号，需要外接喇叭才能出声。

2：它的使用逻辑是，如果只播一条简短文本，直接发就行；但如果是多段连续播报，需要先看BUSY状态或者等串口应答，确认上一段播完了，再发下一段，不然内容容易被打断或者覆盖。

3：功能边界：TTS 模块只负责“说话播报”，自身不带有麦克风，没有语音识别能力，不能接收人说话的口令指令

三、离线语音识别WTK6900，识别人声唤醒与控制命令

人对着麦克风说出唤醒词以及各类控制命令词，所有识别运算都在模块本地完成，全程离线运行，不需要连接网络。识别成功后支持三种反馈方式：一是通过 UART 串口输出对应的词条指令编号；二是可配置硬件针脚输出高低电平，适合简单项目，无需解析串口数据，直接依靠引脚信号触发动作；三是模块可配置回复语音，识别成功后直接播报应答声音。

它和 TTS 模块负责“说”不同，离线识别模块负责的是“听”。我们对着设备说出语音指令，模块在本地解析音频，匹配内部预置的词条库，识别完成之后把结果通过串口交给 Arduino 主控，再由主控去执行开灯、转动电机这类业务动作。

常见的应用场景有，语音控制教具、智能灯光开关、语音交互玩具、小型智能家居设备、科创竞赛语音交互作品。

模块能力与边界

1：走UART 串口通信，需要外接麦克风和喇叭。供电支持 2.2–5.5V 宽压，识别距离有3-5米和5-8米可选，可以增加10个唤醒词和150条指令，支持中文、英文词条。

2：输出方式怎么选？如果项目只有一两条简单语音指令，可以用硬件引脚输出高低电平，识别到口令直接触发动作；如果有多条不同的控制口令，优先用串口输出词条编号。串口方式只占一组串口引脚，就能区分几十种指令，不受模块引脚数量限制。

3：功能边界，它主要认的是人类语言口令。鼾声、哭声这类非语言类声音事件，不在识别范围内。

四、蓝牙音频 WT2605，手机音频播放和无线数据透传

WT2605是一款三合一的模组，把蓝牙音频播放、BLE 数传、本地 MP3 播放集成到了一起，可以实现三类音频和数据能力：一是接收手机蓝牙推送的音乐，通过喇叭直接播放；二是当无线中转，让 Arduino 开发板和手机互相收发数据；三是直接读取模块本地 Flash、TF 卡、U 盘里提前存好的音频文件播放出来。除此之外，还支持蓝牙通话、来电报号这些功能，模块会通过串口反馈蓝牙的连接和断开状态。

常见的应用场景有，蓝牙音箱项目，立体声耳机的蓝牙音乐和免提通话，车载音响的来电报号和电话本推送，还有创客项目里手机和主控之间的无线数据通信。

模块能力与边界

1：控制接口走的是 UART 串口 AT 指令，官方提供适配 Arduino 的库文件。供电 2.8–5V，主流开发板的电压都能兼容。存储方面，除了内置 Flash，还能外挂 TF 卡和 U 盘，几个存储位置里的音频文件可以互相拷来拷去。

2：开发测试需要留意两点：切换工作模式后，手机端也要对应更换连接方式，音频模式连接音频蓝牙名称，数据通信模式则连接 BLE 蓝牙名称；同时射频天线的布局、净空区处理，会直接影响蓝牙的连接距离与稳定性，做 PCB 集成开发时，务必遵循天线对应的布线规范。

3：功能边界，蓝牙音乐播放和 BLE 数据透传不能同时工作，需要靠指令切换模式，这是双模蓝牙模组的通用特性。

五、鼾声识别 WTK6900FC，鼾声检测

模块通过麦克风采集卧室里面的环境声音，专门用来识别打鼾这种非人声说话类的声响，当检测到出现鼾声时，提供两种信号输出方式：一种通过串口输出识别消息；另一种硬件针脚会输出一小段固定时长的高电平信号。

举个例子：识别到鼾声后，信号传给 Arduino，再由 Arduino 去触发震动枕头、调节灯光这类后续动作。

至于它是怎么判断的——模块内置了 AI 识别模型，用大量真实鼾声样本完成训练。它不靠声音大小做判断，而是抓取打鼾特有的声音节奏和声响特点，把空调运转、脚步声这些日常杂音过滤掉，以此判断环境里有没有出现打鼾声。

典型的应用场景有，智能止鼾枕头、家庭用睡眠监测仪器、带睡眠监测功能的智能床垫，医院睡眠监测设备。

模块能力与边界

1：输出有两种版本可选：IO 电平版本只 “检测到鼾声” 这个开关信号，适合简单的硬件联动；串口版本可以拿到完整检测数据，用来统计打鼾频次，做睡眠数据分析。

2：鼾声识别的灵敏程度可以自行调节，适配安静或者有噪音的不同卧室环境。调好的参数会自动保存，设备断电重启之后，不用重新设置。

3：功能边界，模块专注在鼾声事件检测，用来判断环境里有没有出现鼾声。不支持语音口令识别，如果项目需要语音提示，可以搭配 MP3 或 TTS 播放模块一起用。

六、哭声识别WTK6900HD，婴幼儿哭声检测

模块通过麦克风采集室内的环境声音，专门识别 0‑3 岁婴幼儿的哭声。一旦检测到哭声，会输出一段 300 毫秒的触发信号，也能通过串口发送识别结果。模块本身不会播放语音，只向外输出哭声检测的触发信号。

它和鼾声识别模块原理相近，哭声模块搭载了专门针对宝宝啼哭训练的 AI 模型。它能区分婴儿哭声独有的声音特点，能把电视声、大人交谈这些干扰噪音过滤掉，判断环境里有没有出现婴儿啼哭。一旦识别到哭声，就把触发信号发给 Arduino，主控就能启动对应的联动动作。

常见应用场景有， 智能婴儿床自动安抚触发、婴儿监护夜灯、安抚玩具、医院婴儿看护监测。

模块能力与边界

1：输出有两种方式：IO 脉冲触发信号适合简单联动，可以用来触发灯光、电机或者音频播放模块；串口模式能拿到识别信息，方便统计啼哭次数。

2：识别灵敏度可以自行调节，适配不同安静程度的房间，调好的参数断电也会保存。

3：功能边界，模块专注婴儿哭声事件检测，用来识别环境里有没有出现宝宝啼哭。不支持语音口令识别，如果项目需要播放安抚音乐，可以搭配播放类模块组合实现。

六类模块选型逻辑并不复杂，怕的是买回来才发现功能对不上——想动态播报的选了 MP3，想识别口令的拿了 TTS，做睡眠监测的选了普通语音识别模块。

没有哪一款模块可以包打天下，同样也不存在一无是处的模块。MP3 主打音频播放，TTS 实现文字转语音播报，离线识别用于接收人声口令，蓝牙模块承担无线通信，鼾声、哭声识别模块则专门针对特定环境声音事件做检测。各个模块分工清晰、各司其职。面对复杂度更高的项目，通常可以将多个模块搭配使用，由 Arduino 做统一调度，组合实现多个功能。

如果你正在做Arduino语音项目，或者对某一类模块的实际效果拿不准，欢迎带着你的项目需求来聊。唯创知音深耕语音技术26年，服务超3万家企业，始终坚持为客户工程师提供快捷的语音与智能物联网应用方案，帮助缩短产品开发周期。如果你想亲手测一测模块的效果，我们支持样品申领、资料获取，全程提供1对1的技术支持与服务。

审核编辑 黄宇