ESP32-S3 通过 I2S 接口采集 16kHz/16bit 单声道 PCM 音频，数据流约为 32KB/s（即16kHz×16bit≈256kbps）。使用μ-law 等压缩将数据量减半（约16KB/s）
ffmpeg -f avfoundation -list_devices true -i ""
唤醒词模型：WakeNet
https://docs.espressif.com/projects/esp-sr/zh_CN/latest/esp32s3/wake_word_engine/README.html
https://github.com/dscripka/openWakeWord
sounddevice ：音频采集处理
- 采样率：16000Hz（兼顾音质与Whisper兼容性）
- 量化精度：32位浮点（内部处理），传输时转为16位PCM
- 音频块大小：1280样本（80ms，平衡延迟与处理效率）
- 缓冲区策略：双缓冲队列防止数据丢失
openwakeword：唤醒检测（可自动训练唤醒词）
VAD语音活动检测：