13M 参数语音模型跑上 5 美元 ESP32 芯片,WER 反超 Whisper-tiny
Significant-Price695 · reddit · 2026-09-30
Lokutor 团队开源 Oído:基于 NVIDIA Conformer-CTC Small(13M 参数,int8)的语音识别模型,可直接跑在仅有 8 MB PSRAM 的 ESP32-S3 上,无需 GPU/NPU。LibriSpeech WER 为 3.7/8.2,优于笔记本上运行的 Whisper tiny.en(6.3/15.9);在车、厨房、食堂等真实噪声加混响场景下平均 WER 8.4 vs 12.1。提供 livedemo.py 可用自己的麦克风实测。
「Infra」频道最新
- 美国 BIS 新规封堵第三国数据中心远程调用 AI 芯片 — teortaxesTex · 2026-11-16
- Qdrant 1.20.1 发布:冷存储读取减半、量化提速 2 倍 — qdrant_engine · 2026-11-16
- 16GB 显卡本地跑通全套 AI:生图作曲配音视频加 RAG 问答 — llama-of-death · 2026-11-16
- Starlink 在希腊护火车防追尾:134 台机车定位精度达 5 厘米 — XFreeze · 2026-11-16
- Google 将 Agent Substrate、gVisor、OpenRL 捐给 CNCF,Agent 运行底座 1.0 GA — dl_weekly · 2026-11-16
- 英伟达丑闻未完:黄仁勋的千亿美元权力网成焦点 — The Verge AI · 2026-11-16