esp32-pie-asr - Live-Spracherkennung auf dem ESP32-P4 ohne Cloud
Show HN: Live speech-to-text on an ESP32-P4 microcontroller, no cloud
esp32-pie-asr bringt offene englische Live-Spracherkennung direkt auf den ESP32-P4-Mikrocontroller – ganz ohne Cloud und ohne neuronalen Beschleuniger. Das 65,7-Millionen-Parameter-Modell Kroko läuft als Streaming-Transducer mit 2/4-Bit-Gewichten (nur 26,65 MB) auf zwei RISC-V-Kernen und ist schneller als Echtzeit: Wörter erscheinen etwa zwei Sekunden nach dem Sprechen auf dem Bildschirm. Dazu kommen sechs Sprachsteuerungs-Demos, von Roboterstaubsauger bis Smart Home, die per gesprochener Befehle Geräte steuern. Ideal für datenschutzfreundliche, offline-fähige Geräte – einfach per Browser flashen und loslegen.
Keine Cloud, kein neuronaler Beschleuniger – nur die zwei RISC-V-Kerne und ihre PIE-SIMD-Instruktionen: das Mikrofon des Boards rein, die Wörter beim Sprechen auf seinem Bildschirm.