Trending

Oído

lokutor-aiGPL-3.02026.10.05

STT85 Stars4 Forks34 조회

Lokutor가 공개한, 약 5달러짜리 ESP32-S3(240MHz 듀얼코어, PSRAM 8MB) 위에서 클라우드 없이 임의의 영어·스페인어 문장을 받아쓰는 음성 인식 엔진이다. NVIDIA Conformer-CTC Small을 int8로 양자화해 14.0MB에 담았고 LibriSpeech WER은 test-clean 3.7%, test-other 8.2%, 온칩 GRU 언어 모델 사용 시 3.3%/7.2%다. int4 버전은 8.3MB다. 엔진은 ESP32-S3 벡터 명령용으로 새로 작성한 C 코드다. README는 실시간 계수(0.7~0.95)가 에뮬레이터 기반 추정치이며 실제 보드 측정은 추가 예정이라고 밝힌다.

주요 특징

ESP32-S3에서 신경망 가속기·클라우드 없이 임의 문장을 인식하는 개방형 어휘 ASR (명령어 목록 불필요)
int8 Conformer-CTC Small 14.0MB로 LibriSpeech test-clean 3.7%·test-other 8.2%, 온칩 GRU 언어 모델 빔서치 시 3.3%/7.2%
int4 양자화 인식 미세조정 모델 8.3MB로 플래시 6MB를 사용자 앱에 남기는 구성 제공
1.28초 청크 스트리밍 모드로 발화 종료 후 최종 텍스트까지 약 1.1~1.4초(추정), 말하는 도중 부분 텍스트 표시
2,492시간으로 미세조정한 스페인어 모델, 노트북용 호스트 빌드·QEMU 에뮬레이터·보드 플래시 스크립트 제공

Open Source

Oído

주요 특징

태그

관련 프로젝트

whisper.cpp

VibeVoice

WhisperX

faster-whisper