Kroko模型在ESP32-P4上实现流式语音识别

研究人员在ESP32-P4微控制器上成功运行了65.7M参数的英语流式语音识别模型Kroko，且未使用任何神经加速器。 该微控制器配备两颗400 MHz RISC-V核心、128位SIMD扩展及32 MB PSRAM，但缺乏专用AI计算单元。 模型采用2/4位量化技术，权重文件从71 MB压缩至26.65 MB；处理1.28秒音频块耗时0.90秒。 测试显示，该模型在LibriSpeech test-clean数据集上的词错误率为4.34%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。