%20(2).svg)
项目简介
本项目是基于TensorFlow Lite Micro框架的语音识别系统，可识别“yes”和“no”两个关键词。系统通过麦克风监听环境声音，检测到特定关键词时通过LED或屏幕显示反馈。它设计紧凑，适合如STM32F103等资源受限的嵌入式设备。
项目的主要特性和功能
- 关键词识别：精准识别“yes”和“no”两个关键词。
- 低资源消耗：仅占用约22KB的Flash存储和10KB的RAM，能在资源受限设备上运行。
- 多平台支持：支持ARC、ESP32、STM32F746、NXP FRDM K66F、CEVA BX1/SP500等多种硬件平台。
- 自定义模型训练：允许用户训练自己的语音识别模型。
- 开发机测试：可在macOS和Linux开发机上运行和测试。
安装使用步骤
1. 环境准备
根据目标平台选择相应的开发环境： - ARC：安装ARC EM SDP或ARC VPX处理器相关的工具链。 - ESP32：安装ESP IDF工具链。 - STM32F746：安装ARM Mbed CLI工具链。 - NXP FRDM K66F：安装ARM Mbed CLI工具链。 - CEVA BX1/SP500：安装CEVA Toolbox。 - macOS/Linux开发机：确保系统已安装C语言编译器。
2. 生成项目
根据目标平台生成项目：
- ARC：
bash
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=arc_emsdp ARC_TAGS=reduce_codesize OPTIMIZED_KERNEL_DIR=arc_mli generate_micro_speech_mock_make_project
- ESP32：
bash
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=esp generate_micro_speech_esp_project
- STM32F746：
bash
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=disco_f746ng OPTIMIZED_KERNEL_DIR=cmsis_nn generate_micro_speech_mbed_project
- NXP FRDM K66F：
bash
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=mbed TAGS="nxp_k66f" generate_micro_speech_mbed_project
- CEVA BX1/SP500：
bash
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=ceva TARGET_ARCH=CEVA_BX1 generate_micro_speech_make_project
- macOS/Linux开发机：
bash
make -f tensorflow/lite/micro/tools/make/Makefile micro_speech
3. 编译和运行
根据生成的项目目录，使用相应的工具链进行编译和运行：
- ARC：
bash
cd tensorflow/lite/micro/tools/make/gen/arc_emsdp_arc_default/prj/micro_speech_mock/make
make app
make run
- ESP32：
bash
cd tensorflow/lite/micro/tools/make/gen/esp_xtensa-esp32/prj/micro_speech/esp-idf
idf.py build
idf.py --port /dev/ttyUSB0 flash monitor
- STM32F746：
bash
cd tensorflow/lite/micro/tools/make/gen/disco_f746ng_cortex-m4_default/prj/micro_speech/mbed
mbed compile -m DISCO_F746NG -t GCC_ARM
cp ./BUILD/DISCO_F746NG/GCC_ARM/mbed.bin /Volumes/DIS_F746NG/
- NXP FRDM K66F：
bash
cd tensorflow/lite/micro/tools/make/gen/mbed_cortex-m4/prj/micro_speech/mbed
mbed compile -m K66F -t GCC_ARM --flash
- CEVA BX1/SP500：
bash
cd tensorflow/lite/micro/tools/make/gen/ceva_bx1/prj/micro_speech/make
make
- macOS/Linux开发机：
bash
tensorflow/lite/micro/tools/make/gen/osx_x86_64/bin/micro_speech
4. 测试和验证
运行生成的可执行文件，进行语音识别测试，验证系统的功能和性能。通过麦克风输入“yes”和“no”，观察系统输出是否正确识别。
5. 自定义模型训练
如果需要训练自己的语音识别模型，请参考项目中的train/目录，按照提供的步骤进行模型训练。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】