ESP32-P4离线英语语音识别开源项目发布

开发者 Boumedine Billal 开源了 esp32-pie-asr 项目，在 ESP32-P4 上实现离线实时英语语音识别，无需云服务或独立 AI 加速器，代码采用 Apache 2.0 许可。 该引擎使用 Banafo 的 Kroko 流式语音模型（6570 万参数），权重存放在 microSD 卡上，启动时载入 32MB PSRAM。据 Billal 报告，1.28 秒音频约需 0.90 秒处理，单词在说出后约两秒定稿，在 LibriSpeech test-clean 上词错率为 4.34%。项目附带六个语音控制演示。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。