esp32-pie-asr: 无需云端的实时语音识别
Show HN: Live speech-to-text on an ESP32-P4 microcontroller, no cloud
本项目在 ESP32-P4 微控制器上实现了无需云端的实时英语语音识别。基于 Kroko 模型，通过 2/4 位量化将 65.7M 参数压缩至 26.65 MB，仅依靠芯片双核 RISC-V 和 PIE SIMD 指令即可实现比实时更快的处理速度。项目包含实时转录和六个语音控制演示，所有计算均在本地完成，无需神经网络加速器，展现了边缘 AI 的极致性能。
无需云端，无需神经网络加速器；仅凭芯片本身，麦克风输入即刻在屏幕上呈现文字。