打印
[AI]

用ST Edge AI可以训练语音唤醒吗?

[复制链接]
377|12
手机看帖
扫描二维码
随时随地手机跟帖
跳转到指定楼层
楼主
鹿鼎计|  楼主 | 2024-8-28 18:53 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
ST, edge, AI, ge
感觉语音唤醒要的数据有点多,用EdgeAI可以生成语音唤醒的程序吗?

使用特权

评论回复
沙发
liu96jp| | 2024-8-31 13:09 | 只看该作者
这个应该叫语音触发,而不是语音唤醒吧

使用特权

评论回复
板凳
lix1yr| | 2024-8-31 13:41 | 只看该作者
ST Edge AI 是意法半导体推出的一系列边缘AI解决方案,旨在为嵌入式设备提供本地AI处理能力。ST Edge AI 解决方案通常包括STM32微控制器和相关的AI软件库,如X-CUBE-AI和STM32Cube.AI,这些工具可以将神经网络模型优化并部署到STM32微控制器上

使用特权

评论回复
地板
p0gon9y| | 2024-8-31 15:15 | 只看该作者
对于语音唤醒任务,ST Edge AI 解决方案理论上是可以支持的

使用特权

评论回复
5
q1d0mnx| | 2024-8-31 16:13 | 只看该作者
选择适合嵌入式设备的轻量级语音唤醒模型,如深度可分离卷积神经网络或其他高效的神经网络架构。使用X-CUBE-AI或STM32Cube.AI工具对选定的模型进行优化,以适应STM32微控制器的计算能力和内存限制。一般就可以

使用特权

评论回复
6
q1ngt12| | 2024-8-31 17:33 | 只看该作者
建议准备一个高质量的语音唤醒数据集,用于训练和验证模型。数据集应包含各种环境下的语音样本,以确保模型的一致性

使用特权

评论回复
7
su1yirg| | 2024-8-31 18:11 | 只看该作者
我觉得可以这样,在STM32微控制器上部署优化后的模型,并进行性能评估,包括识别准确率、响应时间和资源消耗等。这样可以知道方案是否可行

使用特权

评论回复
8
suw12q| | 2024-8-31 18:49 | 只看该作者
虽然ST Edge AI 解决方案提供了在嵌入式设备上部署AI模型的能力,但语音唤醒任务通常对实时性和准确性有较高要求,因此在实际应用中可能需要进行大量的调试和优化工作

使用特权

评论回复
9
t1ngus4| | 2024-8-31 19:13 | 只看该作者
使用ST Edge AI 解决方案训练语音唤醒模型是可行的,但需要仔细考虑模型选择、优化、数据集准备和性能评估等方面。如果你有具体的STM32开发经验和AI模型训练经验,这将有助于你更好地实现这一目标

使用特权

评论回复
10
tax2r6c| | 2024-8-31 20:10 | 只看该作者
没这么试过,但是我觉得可以用个独立的语音唤醒模块,来实现,比较好

使用特权

评论回复
11
w2nme1ai7| | 2024-8-31 21:22 | 只看该作者
应该是可以吧,因为这个AI不就是做一些边缘计算的吗

使用特权

评论回复
12
发给她更好fh| | 2024-8-31 21:26 | 只看该作者
ST Edge AI 本身并不直接提供训练 AI 模型的功能。

使用特权

评论回复
发新帖 我要提问
您需要登录后才可以回帖 登录 | 注册

本版积分规则

44

主题

1645

帖子

0

粉丝