自动售货机语音引导方案：WT2003H TF卡换音+UART控制方案

站在自动售货机前面的人，注意力基本都在手机上。扫码、付款、等出货，整个过程眼睛很少离开屏幕，机器上那块小屏和几颗指示灯很容易被略过。装一套语音，每个环节说一句话，投币引导、支付成功、出货提示、故障告警都能直接送到耳朵里。做自动售货机语音方案，WT2003H 的 M 系列里有一个带 TF 卡槽的版本值得先看，换音不用拆机也不用烧录器，卡拔出来插电脑上就能改。

售货机这个行当的运营节奏决定了怎么选型。点位上的货品几个月换一轮，促销话术跟着季节走，支付方式从投币到扫码再到刷脸每年都在加。提示音要是改一次就得拆机、接下载器、走完一遍烧录流程，运营方索性就不改了。TF 卡方案把这件事降成拔卡、拷文件、插回去三步，改话术的成本比换一张海报还低。

一、售货机为什么先看 TF 卡方案

WT2003HM02 是 WT2003H 系列里带 TF 卡槽的模块，32 位处理器，最高频率 120MHz，最大支持 32G 的 TF 卡和 32G 的 U 盘，文件系统支持 FAT 和 FAT32。模块可以同时挂载 TF 卡和 U 盘，两种存储各自有对应的播放指令。

用 TF 卡替代内置 Flash，差别集中在换音环节。单模块使用内置容量时，内置语音需要出厂前写入，运营方在现场改不了。TF 卡版本把语音文件放在外挂卡上，换音就是把卡拔出来插读卡器，拷完再插回去。

模块 20 个管脚，尺寸 21.01×18.21MM，引脚间距 2.0MM，装在售货机主控板上占的地方不大。

二、接线与关键管脚

供电走 VBAT，输入范围 2.6 到 5.0V，电源纹波控制在 5% 以内，峰值不能超过 5.5V。售货机内部通常是 12V 或 24V 电源轨，降压到 5V 给模块供电时，说明书建议加一颗 5V 单向 TVS 管，结电容选 10PF 左右，触发电压小于 7V，IPP 电流大于 25A。售货机的压缩机、电机、出货马达启动瞬间都有浪涌，这颗管子别省。

串口接 TX 和 RX 两个脚，3.3V TTL 电平，通讯格式是起始位 1 位、数据位 8 位、无奇偶校验、停止位 1 位，默认波特率 9600。

BUSY 脚是忙信号，播放时为高电平。这一点和 WTN6 系列不一样，WTN6 是空闲高、播放低，之前用过 WTN6 的工程师上手这块，逻辑别接反了。

喇叭接 SPK+ 和 SPK-，模块内置 0.5W D 类功放，直推即可。售货机内部噪杂，0.5W 对多数机型够用，如果喇叭离模块比较远或者要用更大功率的喇叭，发 B6 切到 DAC 输出，DACL 和 DACR 两个脚接外部功放。DAC 这部分的指标是信噪比 95dB、动态范围 92dB、总谐波失真加噪声 -65dB，接功放推大喇叭时底噪听不出来。

TF 卡座接 SD_DAT、SD_CMD、SD_CLK 三个脚。DM 和 DP 是 USB 的两个脚，引到板边的 USB 座上。这个口有两个用途，换音和离线升级程序，画板的时候要预留出来，产线调试和后期维护都得靠它。电源部分建议把烧录口作为测试点全部引出，出现异常或者混料时不用拆芯片就能在线刷。

三、UART 协议格式

帧结构是起始码 7E、长度、命令码、参数、累加和校验、结束码 EF。

长度的定义是长度字节、命令码、参数、校验和这几段加起来的总字节数。校验码是长度、命令码、参数三段的累加和取低字节。

拿 A2 播放指令举例，7E 05 A2 00 01 A8 EF 这条帧里，长度是 05，命令码 A2，参数 00 和 01，校验码由 05 加 A2 加 00 加 01 得到 0xA8。MCU 里写一个通用的组帧函数，所有指令都走它，不用每条命令单独拼一遍。

命令分写操作和读操作两组。写操作执行完返回结果码，读操作返回数据。

四、提示音清单与播放指令

售货机的提示音清单最好在画板之前定稿，索引号对应文案，后面改文案不动索引。一份能直接落地的清单长这样。

索引	触发时机	提示语	MCU 动作
001	待机轮播	欢迎使用，请扫码或投币选购	A2 播 01
002	支付成功	支付成功，请选择商品	A2 播 02
003	出货中	商品正在出货，请稍候	A2 播 03
004	取货提示	商品已到取货口，请及时取走	A2 播 04
005	找零提示	请取走您的找零和购物小票	A2 播 05
006	缺货提示	该货道暂时缺货，请选择其他商品	播放态 B1 插播，空闲态 A2 播 06
007	故障告警	设备故障，请联系工作人员	播放态 B1 插播，空闲态 A2 播 07

A2 按索引播放 TF 卡根目录下的文件，帧格式如下。

播放第 1 首

发 → 7E 05 A2 00 01 A8 EF

收 ← 7E 04 A2 00 A6 EF

播放第 5 首

发 → 7E 05 A2 00 05 AC EF

帧结构里的曲目高位和曲目低位分两个字节，第 300 首写成 0x012C，高位 0x01，低位 0x2C。7 条提示音都在 255 以内，高位字节固定是 00。

说明书里有一条要注意，指定的曲目不存在时，不影响当前播放。货道索引写错不会把正在播的提示掐断，调试的时候不至于一点声音都没有。

五、按货道分文件夹

提示音多起来之后，根目录一长串索引不好维护，A4 可以指定文件夹内的文件索引播放。文件夹名固定 5 个字符，采用 ASCII 码值，其他数据是十六进制。

播放 MUSIC 文件夹内第 1 首

发 → 7E 0A A4 4D 55 53 49 43 00 01 30 EF

收 ← 7E 04 A4 00 A8 EF

售货机按品类分文件夹用起来顺手，饮料一个、零食一个、生鲜一个，换季调货只动对应文件夹里的内容，别的文件夹索引不受影响。文件夹内的索引号从 1 重新开始算。

换完文件后做个自检，C6 查文件夹内的音频总数。

查询 MUSIC 文件夹内音频总数

发 → 7E 08 C6 4D 55 53 49 43 4F EF

收 ← 7E 05 C6 00 01 CC EF // 文件夹内有 1 首

C6 返回 00 00 表示文件夹里没有音频文件，或者文件夹名对不上。根目录总数用 C5 查，U 盘对应的是 C7 和 C8。

文件命名规整的话也可以用 A3 按文件名播放。这一节写明文件名必须 4 个字节，比如 T002 对应 7E 07 A3 54 30 30 32 90 EF。发码注意事项那一节又说文件名不超过 8 个字节，两处口径不一样，实际用文件名播放时按 4 个字节准备最稳。文件名可以是英文、数字或中文，任意组合。

六、故障告警插播

B1 和 A2 的差别在于它不动播放队列。收到 B1 时模块暂停当前曲目，插进指定音频，播完接着播原来那句，误差在 1 秒以内或者取整秒。整个过程 MCU 不用记断点。

HM02 的 B1 带一个标示字，01 表示插播 SD 卡内的指定索引，02 表示插播 U 盘内的指定索引。

插播 TF 卡内第 2 首

发 → 7E 06 B1 01 00 02 BA EF

收 ← 7E 04 B1 00 B5 EF

有两点要记住。第一次插播没播完时，发第二次插播命令无效，要等第一次播完才能再插。B1 的动作是暂停当前曲目、插一句、再播回原来那句，空闲状态下没有可恢复的内容，告警直接发 A2 就行。

售货机场景里，缺货和故障这类告警适合走 B1。用户正听着出货提示，告警能插进去，播完自动回到原来的话术，不用 MCU 去判断当时播到哪一句。同一个场地有几台设备的时候，B1 还支持设备之间的插播。

七、音量与播放模式

AE 控制音量，32 级，取值 00 到 1F，00 是静音，1F 是最大音量，这条指令有掉电记忆。

设为 30 级音量

发 → 7E 04 AE 1E D0 EF

售货机装在商场里和装在室外街边，合适的最优音量不一样，产线按机型调一次，现场掉电也不丢。

AF 设置播放模式，四种，00 单曲不循环是默认值，01 单曲循环，02 所有曲目循环，03 随机。这条指令没有掉电记忆，掉电后回到默认模式，MCU 在每次上电初始化时设一遍就行。

有个细节值得记住，播放模式设成所有曲目循环之后，再发 A4 指定文件夹里的一曲播放，播放会在那个文件夹内循环，不会跑到别的文件夹去。做循环促销话术或者背景音乐时用得上。

B6 切换音频输出方式，00 是 SPK 输出，01 是 DAC 输出，上电默认 SPK，有掉电记忆。

八、TF 卡换音实操

模块的文件索引是按文件存进卡里的先后顺序排的，不按文件名。卡里放着 001.mp3 到 007.mp3，看着整齐，复制的时候系统不保证按这个顺序写进去，播出来就是乱的。说明书给了两种复制方法。

一种是右键选中第一个音频文件，Ctrl+A 全选，再复制到目标盘符。过程中鼠标不能点中任何待发送的文件，点中哪个就从哪个开始发，顺序当场就乱。

另一种是先把文件顺序排列好，全部选中，右键点第一个文件，在菜单里选发送到 TF 卡的根目录。系统从右键点的那个文件开始发，所以右键要落在第一个文件上。

USB 线要带数据传输功能，市面上有的线只能充电，插上去不出盘符，容易被当成驱动问题查半天。第一次连接电脑会自动安装驱动，装完才会显示盘符。

拷贝完成必须拔掉 USB 线，再做串口控制。线还插着的时候串口发码没有响应，这个现象在产线调试时容易误判成模块坏了。

TF 卡要用 FAT 或 FAT32 格式。NTFS 的卡插上能识别，发指令却一直返回 02，说明书写明了这种情况大概率就是盘符格式不对。

换完音之后建议做一轮自检。C5 查根目录音频总数，C6 查指定文件夹内总数，C9 查当前播放曲目地址，CA 查外设挂载状态。CA 的返回值低 4 位里，BIT3 是 PC 连接、BIT2 是 U 盘、BIT1 是 TF 卡，1 表示存在。

查询外设连接状态

发 → 7E 03 CA CD EF

收 ← 7E 04 CA 06 D4 EF // TF 卡和 U 盘都在

CA 还有一个用法。TF 卡和 U 盘插入或拔出时，模块会主动返回数据做提示。售货机的 TF 卡被人拔走，MCU 收得到这个上报。把这路数据接进告警逻辑，卡没了能第一时间知道，不至于用户按了半天没反应还没人发现。

九、返码排错

指令发出去，模块会带结果码回帧，四组码覆盖了大部分问题。

00 表示执行成功。

01 表示命令出错。校验和算错、指令不在说明书描述的范围内、串口电平异常导致芯片误识别，这三种都会回 01。前两种查代码，串口电平这一项用标准串口工具单独发一条码就能确认。

02 表示无此文件。一种是索引超了，卡里只有 10 个文件却发了索引 11；另一种是盘符格式不对，NTFS 卡会一直回 02。

05 表示设备不在线。只挂了 Flash 却发索引 TF 卡里的文件，或者卡没读到、电路有问题，都会回 05。

发码间隔控制在 200 到 300ms。两条指令发得太密，模块来不及处理。每条控制命令发完读一下返回码，确认执行情况再走下一步。

十、边界与选型

TF 卡方案解决的是固定话术的换音便利性，两处边界要提前确认。

一是外挂 Flash 的型号约束。有些机型除了外挂 TF 卡还要内置一段语音，这种情况选的是支持 SPI-Flash 的 WT2003HM03，它的说明书里写明，要挂 Flash 就必须用唯创的 Flash，确有特殊原因不用，也要先和原厂业务交接备注，私自换其他家的会无法工作。这条在选型阶段就要和供应商对接清楚。

二是变量播报。售货机的消费金额、账户余额、会员积分每个用户都不同，TF 卡里存不下所有数字组合。这类内容要换 TTS 方案，把文本实时合成成语音。

需求层级	适合产品	能力边界
TF 卡换音，固定话术	WT2003HM02	支持 TF 卡和 U 盘，最大 32G，UART 控制
内置语音加 TF 卡	WT2003HM03	支持 SPI-Flash、TF 卡、U 盘，可内置 100 秒或 350 秒语音
金额、余额等变量播报	WT3000 系列 TTS 芯片	文本实时合成，不受音频文件限制
语音问答交互	WT3000A M 系列模块	联网大模型理解用户提问后直接作答

售货机的运营方如果预算有限，先用 WT2003HM02 把固定引导做扎实，后续按需要升到 TTS 或者带交互能力的方案，MCU 侧的串口控制框架不用重写。