5美元芯片跑开放词表语音识别：13M参数模型留在闪存，同芯片上错误数比厂商方案少1.8–2.8个
Oído把开放词表英语语音识别整体放到一块5美元的ESP32-S3上运行，该芯片没有神经加速器。此前这类微控制器只能做关键词唤醒或固定命令表，而13M参数的Conformer-CTC模型在int8下占14.0 MB，既装不进512 KB片上SRAM，也只能部分放进PSRAM。引擎按闪存与PSRAM带宽安排执行顺序，在LibriSpeech test-clean/test-other上得到3.70%/8.23%的词错误率，与全精度相差0.12个百分点以内，在同一芯片上错误数比厂商识别器少1.8–2.8个；实测单核运行时间为音频时长的1.97倍，尚不是实时。