oido

5美元芯片上跑离线语音识别，不用联网不用NPU

Oído 是一个面向极低资源硬件的开源语音识别引擎，目标是在售价约 5 美元的 ESP32-S3 单片机上实现开放词表语音转文字，完全离线运行，不依赖云端也不依赖 NPU。项目用 C 语言编写，基于 Conformer 架构做了大幅裁剪与量化，在 LibriSpeech 测试集上达到 3.7% 的词错误率，这个精度在同类嵌入式方案中相当突出。它解决的核心问题是：以往高精度 ASR 要么跑在服务器/GPU 上，要么需要专用神经网络加速器，而 Oído 证明纯靠 MCU 的算力与内存也能完成识别。核心能力包括开放词表识别（不限定固定命令词）、端侧推理、无网络依赖、低功耗低成本部署，适合做语音开关、离线语音助手、工业现场语音指令等场景。项目提供 ESP-IDF 集成方式，开发者可将其嵌入固件。