esp-sr

esp-sr

集成唤醒词检测和语音命令识别的语音处理方案

ESP-SR是一款针对ESP32和ESP32-S3芯片优化的智能语音识别框架。它集成了音频前端处理、WakeNet唤醒词检测、MultiNet语音命令识别和语音合成等功能模块。该框架支持自定义唤醒词和300多个中英文语音命令,提供高性能、低内存占用的离线语音处理方案。ESP-SR的双麦克风音频前端已获得亚马逊Alexa内置设备认证,可用于构建各类智能语音应用。

ESP-SR语音识别唤醒词引擎语音命令识别音频前端处理Github开源项目

ESP-SR 语音识别框架

文档状态 组件注册表

乐鑫 ESP-SR 帮助用户基于 ESP32 或 ESP32-S3 芯片构建 AI 语音解决方案。

概述

ESP-SR 框架包括以下模块:

这些算法以组件的形式提供,因此可以轻松集成到您的项目中。

推荐使用 ESP32-S3/ESP32-P4,它们支持 AI 指令和更大、高速的八线 SPI PSRAM。 新算法将不再支持 ESP32 芯片。

唤醒词引擎

乐鑫唤醒词引擎 WakeNet 专为用户提供高性能和低内存占用的唤醒词检测算法而设计,使设备能够始终监听唤醒词,如"Alexa"、"你好,乐鑫"和"Hi,ESP"。

乐鑫提供两种自定义唤醒词的方式,请参阅以下文档选择适合您需求的方式: 乐鑫语音唤醒词定制流程使用 TTS 样本训练唤醒词

esp-sr 支持以下唤醒词:

唤醒词ESP32ESP32-S3/ESP32-P4
Hi,乐鑫wn5_hilexin, wn5_hilexinX3wn9_hilexin
你好小智wn5_nihaoxiaozhi,wn5_nihaoxiaozhiX3wn9_nihaoxiaozhi_tts
小爱同学wn9_xiaoaitongxue
Hi,ESPwn9_hiesp
Hi,M Fivewn9_himfive
Alexawn9_alexa
Jarviswn9_jarvis_tts
Computerwn9_computer_tts
Hey,Willowwn9_heywillow_tts
Sophiawn9_sophia_tts
Mycroftwn9_mycroft_tts
Hey,Printerwn9_heyprinter_tts
Hi,Joywn9_hijoy_tts
Hey,Wandwn9_heywanda_tts
Astrolabewn9_astrolabe_tts
你好小鑫wn9_nihaoxiaoxin_tts
小美同学wn9_xiaomeitongxue_tts
Hi,小星wn9_hixiaoxing_tts
小龙小龙wn9_xiaolongxiaolong_tts
喵喵同学wn9_miaomiaotongxue_tts
Hi,喵喵wn9_himiaomiao_tts
Hi,Lily/Hi,莉莉wn9_hilili_tts
Hi,Telly/Hi,泰力wn9_hitelly_tts
小滨小滨/小冰小冰wn9_xiaobinxiaobin_tts

注意: _tts 后缀表示该 WakeNet 模型是通过 TTS 样本训练的。

语音命令识别

乐鑫的语音命令识别模型 MultiNet 专为提供灵活的离线语音命令识别模型而设计。使用此模型,您可以轻松添加自己的语音命令,无需重新训练模型。

目前,乐鑫 MultiNet 支持多达 300 个中文或英文语音命令,如"打开空调"和"打开卧室灯"。

esp-sr 支持以下 MultiNet 模型:

语言ESP32ESP32-S3ESP32-P4
中文mn2_cnmn5q8_cn, mn6_cn, mn7_cnmn7_cn
英文mn5q8_en, mn6_en, mn7_enmn7_en

音频前端

乐鑫音频前端 AFE 集成了 AEC(声学回声消除)、VAD(语音活动检测)、BSS(盲源分离)和 NS(噪声抑制)。

我们的双麦克风音频前端(AFE)已获得 Amazon Alexa Built-in 设备 的"软件音频前端解决方案"认证。

为了获得最佳性能:

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多