Oído：在 5 美元微控制器上跑语音识别，WER 优于 Whisper-tiny
2026.09.30 · 产品 · 开源项目 · 开源项目
Lokutor 团队开源 Oído，用 13M 参数模型在 ESP32-S3 上实现语音识别。
Lokutor 团队开源了 Oído 语音识别方案，采用 NVIDIA Conformer-CTC Small（13M 参数，int8），运行在带 8 MB PSRAM 的 ESP32-S3 上，无需 GPU 或 NPU。LibriSpeech WER 为 3.7 / 8.2，优于笔记本上 Whisper tiny.en 的 6.3 / 15.9；在 DEMAND 噪声加混响条件下平均 WER…
- 模型为 NVIDIA Conformer-CTC Small，13M 参数、in
- 运行在 ESP32-S3，8 MB PSRAM，无 GPU/NPU
- LibriSpeech WER 3.7 / 8.2，优于 Whisper tin
- 噪声加混响下平均 WER 8.4，对比 12.1
- 提供 live_demo.py 可在笔记本麦克风上试算
为什么值得看
语音识别首次在 5 美元级芯片上跑出超越 Whisper-tiny 的精度。
适合谁关注
嵌入式开发者、语音 AI 研究者、边缘计算从业者。