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
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- GPT-6 Astra 零微调操控灵巧手：500 试仅 26 次成功，成功率 5.2% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27
- DexPort：手持真机器手的 20 自由度灵巧手数据采集接口 — pabbeel · 2026-10-27
- ROS 社区迎来新项目负责人 ahcorde，规划 2027 版本 — ___Mufasaa · 2026-10-27
- ROS 社区 10 月 29 日在谷歌纽约办 Meetup，三家公司机器人团队将分享 — kscottz · 2026-10-27