ESP-Cam 系列：ESP32 摄像头总架构

ESP-Cam 是 MiBeeCam 家族中的 ESP32 大集合：四块不同主板各自独立成仓，却共享同一套固件架构、同一份 API 契约和同一个前端设计。本页给出整个系列的顶层视角——先讲统一的部分（架构、API、前端），再按主板展开各自的特性与子架构。

如果你只想回答"我该买哪块板"，直接看下方选型表；要理解四仓为什么"形散神不散"，从总架构读起。

板型矩阵

主板	芯片 / 传感器	Flash / PSRAM	独有能力	独立仓库
AI-Thinker ESP32-CAM	ESP32（原版）+ OV2640	4 MB / 无 PSRAM	双 WiFi 配置、SD 文件管理、轻量 MPA 前端	ai-thinker-esp32-cam
ESP32-S3 N16R8	ESP32-S3 + OV3660（3 MP）	16 MB / 8 MB Octal	AI 流水线（人脸/移动/QR）、RTSP、AT 指令	esp32s3-n16r8-cam
Luatos ESP32-S3 A10	ESP32-S3 + OV2640	16 MB / 无（设计禁用）	WebSocket 事件推送、webhook、串口 AT 配置	luatos-esp32s3-a10-camera
Seeed XIAO ESP32-S3 Sense	ESP32-S3 + OV2640/OV5640*	8 MB / 8 MB Octal	AVI 分段录像、NAS 自动上传、G.711 音频、OTA	seeed-esp32s3-cam

*传感器以设备实测为准（GET /api/status 的 camera 字段），部分出厂批次实际搭载 OV5640，驱动自动识别。

选型建议

最低成本入门：AI-Thinker ESP32-CAM。生态最成熟、踩坑资料最多；无 PSRAM 所以单流上限 1 客户端，弱 WiFi 下首屏最轻。
需要 AI 检测：ESP32-S3 N16R8。esp-dl 人脸检测 + 移动侦测 + QR 解码跑在专用核上，3 MP 传感器画质最好。
日常监控首选：Seeed XIAO ESP32-S3 Sense。PSRAM 充裕、SD 录像 + NAS 上传 + 音频监听开箱即用，流客户端上限 3 路。
事件驱动集成：Luatos A10。WebSocket 实时推送移动/录像/网络事件，适合接家庭自动化。

统一的设计基线

四块板不论差异多大，都遵守同四条基线，详细内容见对应页面：

统一 API 契约（契约 v1.2 详解）：核心端点四板 100% 一致；板间差异只允许通过"能力门控 + 动态元数据"产生，禁止字段名或语义分叉。
统一前端设计（前端规范）：三块 S3 板共享同一套单页应用（四文件 md5 一致）；ai-thinker 用轻量多页应用但遵守同一契约层。
统一流媒体栈：MJPEG（:81/stream）+ RTSP（:554，v1.9 起免鉴权）+ ONVIF（WS-Discovery + SOAP），全部构建在同一个发布/订阅帧广播器上。
统一身份与配置：设备序列号/UUID 从出厂 eFuse MAC 派生（与 WiFi 状态无关）；配置存 NVS、版本化 blob、魔数/版本不匹配自动回出厂值。

flowchart TB
    subgraph repos [四个独立仓库]
        AI[ai-thinker<br/>ESP32 + OV2640]
        N1[n16r8<br/>S3 + OV3660 + AI]
        LU[luatos A10<br/>S3 + 事件推送]
        SE[seeed XIAO<br/>S3 + 录像/音频]
    end
    subgraph shared [共享设计（不共享代码仓）]
        CT[API 契约 v1.2]
        UI[统一 SPA / MPA]
        ST[流媒体栈<br/>MJPEG + RTSP + ONVIF]
        ID[device_id / NVS 配置]
    end
    repos --> shared
    shared --> NVR[MiBee NVR / 任意 ONVIF 客户端]

各主板深入阅读

开发排障经验（EMFILE 重启循环、自愈误杀、PSRAM 约束等）统一收录在开发知识库。