Альтернатива MultiNet для ESP32: одна TFLite-модель и несколько команд
MultiNet из ESP-SR — это архитектура офлайн-распознавания команд. Voicute реализует такую же практическую схему другим способом: компактная INT8-модель TFLite распознаёт несколько фиксированных ключевых слов и возвращает ID команды в прошивку ESP32.
Семь поддерживаемых языков
Текущая матрица Voicute включает китайский, английский, японский, французский, немецкий, испанский и хинди. Один Multi-Keyword model может распознавать несколько фиксированных команд выбранного языка.
Как одна модель заменяет набор детекторов
Multi-Keyword — это не набор независимых моделей. Ключевые слова используют общую обработку признаков, а один проход инференса различает заданный набор и возвращает ID команды.
Развёртывание на ESP32 с TFLite Micro
Экспортируйте согласованные INT8 TFLite model и output head, сохраните конвейер mono 16 kHz и подключите оба файла в ESP-IDF. После wake detector модель распознаёт фиксированный набор команд.
Языковое покрытие
Если в MultiNet нет нужной языковой модели, перевод списка команд сам по себе не создаёт акустическую модель. Языковой TFLite model решает эту задачу для семи языков Voicute; новые языки требуют отдельного обучения и проверки.
Демонстрация
Сначала соберите открытый пример ESP32 и multi-keyword demo model, затем проверьте recall, ложные срабатывания, задержку и RAM на финальном устройстве.
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 buildStart 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.