
esp-sr
让 ESP32 离线听懂人话,不联网也能语音控制
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-01 · 当前星标 ★ 1577
使用教程
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 乐鑫 ESP32 系列开发板(官方文档覆盖 ESP32-S3、ESP32-P4 等芯片)
- 已安装可编译 C 工程的乐鑫 ESP-IDF 开发环境
- 具备 C 语言与嵌入式工程集成的基础经验
- 网络环境可访问 GitHub 与 docs.espressif.com 官方文档
安装与启动步骤
-
1准备开发环境
先装好乐鑫 ESP-IDF 工具链,确认能编译并烧录一个空的 ESP32 工程,再开始集成语音组件。
-
2获取 esp-sr 仓库
从官方仓库拉取 esp-sr 源码,README 说明这些算法以组件形式提供,可直接融入现有工程。
git clone https://github.com/espressif/esp-sr.git -
3了解五大功能模块
README 列出 AFE 音频前端、WakeNet 唤醒词、VADNet 语音活动检测、MultiNet 命令词、语音合成模块。
-
4查阅对应芯片文档
按开发板型号打开官方文档,如 ESP32-S3 或 ESP32-P4 目录下的对应模块说明,按其指引集成。
-
5集成进自己的工程
把 esp-sr 作为组件接入项目,按文档裁剪模型大小与内存占用,再编译烧录到设备上验证。
如何确认成功
README 未给出验证方式,请按官方文档中对应模块的说明,在设备上编译烧录后确认唤醒词与命令词能被识别。
常见问题
Q:esp-sr 包含哪些功能模块?
A:包含音频前端 AFE、唤醒词引擎 WakeNet、语音活动检测 VADNet、命令词识别 MultiNet 以及语音合成五大模块,均以组件形式提供。
Q:支持哪些芯片平台?
A:官方文档链接按平台划分,README 中可见 esp32s3 与 esp32p4 两条文档路径,其他型号请以最新官方文档为准。
Q:最新的唤醒词模型是哪个?
A:README 新闻显示已发布 WakeNet10 模型,目前提供 w16a16 和 w8a16(默认)两种由 esp-dl 实现的量化版本。
Q:需要联网才能识别语音吗?
A:不需要。esp-sr 是面向 ESP32 的离线语音框架,唤醒词与命令词识别均在设备本地完成,不依赖云端。
注意事项
- 本次 README 节选未提供任何安装命令、配置项与端口信息,因此以上步骤为基于项目描述的通用准备流程,具体操作请以官方文档为准。
- 文档地址为 https://docs.espressif.com/projects/esp-sr/en/latest/ ,集成前建议先确认与自己芯片型号匹配的章节。
- 模型有不同量化与体积版本,集成时需按目标芯片的内存与 Flash 资源做裁剪。
核心亮点
- 专为 ESP32 等 MCU 优化,可在低内存、低算力芯片上离线运行
- 提供唤醒词、命令词、降噪、回声消除等完整语音前端链路
- 与 ESP-IDF 深度集成,附带预训练模型和示例,上手门槛低
不足之处
- 模型与工具链绑定乐鑫芯片,跨平台移植困难
- 中文文档和社区讨论相对有限,高级定制依赖官方支持
适用场景
- 智能音箱/语音助手:本地唤醒并执行开关灯等命令
- 智能家电:离线语音控制空调、风扇等设备
- 玩具与教育硬件:低成本实现语音互动,无需联网
替代项目
Porcupine、snowboy
同类项目推荐
whisper
开源
开口说话就成笔记,AI 帮你整理成文
Take notes with your voice & transform them with AI
whisply
开源
批量音视频一键转文字、翻译并生成字幕
Fast, cross-platform CLI and GUI for batch transcription, translation, speaker annot···
X2-Turn
开源
一边转写一边判断该不该接话,降低对话延迟
Frame-Synchronous Dual-Head Modeling for Joint Streaming ASR and Turn State Predicti···
phonikud
开源
给希伯来文本自动标音,让TTS发音更准
Hebrew grapheme to phoneme (INTERSPEECH 2026)
voquill
开源
本地跑的免费语音听写,说完直接变文字
Open source voice dictation technology
GigaAM
开源
开箱即用的俄语语音识别基础模型,快速集成高精度转写
Foundational Model for Speech Recognition Tasks
StreamSpeech
开源
一个模型搞定语音识别、翻译和合成,离线同声两相宜
StreamSpeech is an “All in One” seamless model for offline and simultaneous speech···
wav2letter
开源
用 C++ 打造高性能端到端语音识别,训练推理快人一步。
Facebook AI Research's Automatic Speech Recognition Toolkit
viet-asr
开源
越南语语音转文字的开源基线
viet-asr - Vietnamese Automatic Speech Recognition