本文介绍 ESP-SR 语音识别框架的模型选型方法。涵盖 WakeNet、MultiNet、VADNet 三大核心模型，分析硬件资源、应用场景及性能指标等选型要素。提供从确定硬件平台到配置验证的实战步骤，并给出量化选择与参数调优技巧，帮助开发者在 ESP32 系列芯片上实现高效准确的语音交互。
ESP-SR 是一款功能强大的语音识别框架，提供了多种语音模型选择，帮助开发者为不同项目场景找到最适合的解决方案。本文将详细介绍 ESP-SR 的模型类型、选型要素及实战步骤，助你快速掌握语音模型的选择技巧。
ESP-SR 提供三大核心模型系列，覆盖从唤醒词检测到语音命令识别的完整语音交互流程：
WakeNet 是 ESP-SR 的唤醒词引擎，支持'你好小芝'、'小爱同学'等主流唤醒词，同时提供自定义唤醒词功能。其最新版本 WakeNet9 在精度和效率上实现了优化，支持 8 位量化以减少内存占用。
MultiNet 专注于语音命令转文本功能，支持中文和英文识别。根据项目需求可选择不同版本：
VADNet 用于检测语音信号的起始和结束，帮助系统在静音时降低功耗，在语音输入时快速响应，是实现低功耗语音交互的关键组件。
选择语音模型时需综合考虑以下关键因素：
不同 ESP 芯片的内存和算力差异较大：
ESP-SR 的语音处理流程包含多个关键环节，理解这些环节有助于更好地选择和配置模型：
唤醒词检测与语音识别的典型工作流程如下：
根据使用的 ESP 芯片型号筛选兼容模型：
推荐几种典型场景的模型组合方案：
| 应用场景 | 推荐模型组合 | 资源需求 | 特点 |
|---|---|---|---|
| 智能灯控 | WakeNet8q8 + MN5q8_cn | Flash: ~800KB | 低功耗，快速响应 |
| 语音助手 | WakeNet9 + MN7_cn | Flash: ~1.5MB | 高精度，多命令支持 |
| 英文场景 | WakeNet8 + MN7_en | Flash: ~1.2MB | 英文唤醒与识别 |
通过 menuconfig 配置语音命令：
配置路径：Top → ESP Speech Recognition → Add Chinese speech commands
esp_mn_set_threshold() 调整识别严格度建议使用 test_apps 中的测试用例进行验证：
Q: 如何判断模型是否适合我的硬件？
A: 查看模型目录下的 _MODEL_INFO_ 文件，其中包含内存和 Flash 需求，如 mn7_cn 模型信息。
Q: 自定义唤醒词需要哪些步骤？ A: 1. 准备唤醒词语音样本 2. 使用模型训练工具生成自定义模型 3. 替换 lib 目录下的对应库文件
Q: 如何平衡识别率和响应速度？
A: 可通过调整 afe_config_t 中的 wakenet_mode 参数，选择'高性能'或'低功耗'模式
选择合适的 ESP-SR 语音模型需要综合考虑硬件资源、应用场景和性能需求。通过本文介绍的选型方法和优化技巧，你可以为项目快速找到最佳模型组合，实现高效、准确的语音交互功能。如需深入了解模型细节，可参考官方文档或查看模型配置头文件 esp_wn_models.h。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online