13M ASR 模型跑进 ESP32-S3
wunschpunsch3D · reddit · 2026-07-21
作者分享了一个把 1310 万参数的语音识别 Conformer 跑到 ESP32-S3 微控制器 上的项目。
要点包括：
- 这是 NVIDIA 小型 Conformer 模型的蒸馏+量化版本
- 模型可以放进 14MB flash，再加上 256KB SRAM 和 4MB PSRAM
- 可以转写大约 8 秒音频
- 早期版本转写 5 秒音频要 10 分钟；现在已经快了很多，但仍然偏慢
- 也试过 Whisper Tiny，但速度更慢，所以没有继续优化
- 芯片的 8 位硬件加速 让这种端侧 ML 变得可行
作者还提到，量化后在 Hugging Face ASR 基准上词错率大约上升了 3%，并认为应当更多研究效率优化，让爱好者也能在便宜硬件上跑模型。
「具身」频道最新
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- AI 研究员曾预测机器人 2034 年才能跑赢人类，今年已被连续打脸 — ben_j_todd · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- RealSense D585 Pro AI 3D 深度相机到货开箱，主打 Physical AI — chrismatthieu · 2026-10-26
- 网友晒「物理世界智能体集群」演示,实体 Agent 成群协作 — pduan · 2026-10-26