80 美分芯片实现语音识别与 TTS
Speech Recognition and TTS in less than 500kb
Moonshine Micro 是一款专为微控制器设计的开源 AI 语音工具包，它让语音交互在资源极度受限的设备上成为可能。基于售价仅 80 美分的 Raspberry Pi RP2350 芯片，该系统集成了语音活动检测、命令识别以及神经语音合成技术，整个运行所需内存低至 470 KB。开发者可以利用 TensorFlow Lite Micro 库，在嵌入式设备上构建完整的语音代理，甚至实现通过语音配置 WiFi 连接。这套方案不仅代码开源且采用 MIT 许可，还展示了如何在极小的 Flash 和 SRAM 预算下，通过时间共享机制高效运行复杂的神经网络模型，为物联网设备带来了全新的交互体验。
"Moonshine Micro 是专为微控制器和 DSP 等嵌入式系统处理器设计的版本，其参考平台是售价仅 80 美分的 Raspberry Pi RP2350。"
HN 评论区
- 一位从业者指出，在极小算力下实现 TTS 本身并非难点，真正的挑战在于保证输出的准确性，这与许多 AI 领域的普遍规律一致。
- 有评论者对比了传统 formant/tract modeling 合成器与 AI 方案，认为前者在极低计算资源下更准确，但声音会显得机械，而当前 AI 方案在 80 美分芯片上的表现令人惊喜。
- 开发者分享了在 sub dollar 芯片上训练 500KB STT 模型的经验，指出虽然能实现基础指令识别，但模型极易不稳定，例如对特定口音下 p 和 t 的混淆问题。
- 有用户质疑该方案在语音识别（STT）上的字错率（WER）约为 12%，并指出对于目标应用场景而言，较低的准确率或许已足够实用。