esp32-pie-asr - Reconocimiento de voz en streaming en un ESP32-P4 sin nube
Show HN: Live speech-to-text on an ESP32-P4 microcontroller, no cloud
esp32-pie-asr lleva el reconocimiento de voz en inglés directamente a un microcontrolador ESP32-P4, sin nube ni acelerador neuronal. El modelo Kroko, con 65,7M de parámetros y pesos comprimidos de 71 MB a 26,65 MB en 2/4 bits, corre más rápido que el tiempo real usando solo los dos núcleos RISC-V y sus instrucciones SIMD PIE. Transcribe en streaming con un WER del 4,34 % en LibriSpeech test-clean, detecta frases personalizadas y ofrece seis demos de control por voz, como un robot aspirador o una cocina inteligente. Los pesos se cargan desde una microSD y el firmware se flashea desde el navegador.
Reconocimiento de voz en inglés en vivo sobre el ESP32-P4: vocabulario abierto, streaming, más rápido que el tiempo real, solo con el microcontrolador: el micrófono de la placa como entrada y las palabras en su pantalla mientras hablas. Sin nube, sin acelerador neuronal.