ESP32 的 MultiNet 替代方案：一个 TFLite 模型识别多个命令词

ESP-SR MultiNet 是离线命令词识别架构。Voicute 通过一个紧凑的 INT8 TFLite 模型实现类似功能：一次推理区分多个关键词，并向 ESP32 固件返回不同的命令 ID。

Voicute 支持的 7 种语言

当前支持中文、英文、日语、法语、德语、西班牙语和印地语。一个 Multi-Keyword 模型可以在指定语言下识别多个固定命令，例如开灯、关灯、增大音量和切换模式。

一个模型识别多个命令词

Multi-Keyword 不是多个单关键词模型的简单集合。多个关键词共享特征提取，一次推理完成区分，输出结果映射为不同的 command ID。

ESP32 TFLite Micro 部署

导出匹配的 INT8 TFLite 模型和 output head，保持 16 kHz 单声道特征处理一致，并一起接入 ESP-IDF。唤醒词检测后，Multi-Keyword 模型负责识别固定命令集。

ESP32 demo deployment

git clone https://github.com/voicute/onnx-wakeword.git\ncd onnx-wakeword/esp32/examples/esp32s3_hmi_devkit\nidf.py set-target esp32s3\nidf.py build

Start with the open-source ESP32 example and the public multi-keyword demo model. Validate the final microphone, enclosure, noise conditions, recall, false triggers, latency and RAM before shipping.