Ein günstiger ESP32-Lautsprecher mit Wake Word auf dem Gerät und Konversation in der Cloud.
Ein Sprachprodukt auf einem bewusst günstigen MCU. Wake-Word-Erkennung und Audio-Frontend laufen lokal; Streaming-Spracherkennung, Sprachmodell und Sprachsynthese laufen hinter einem AI-Gateway.
Die Konversation musste unmittelbar wirken — auf einem Baustein mit einigen Hundert Kilobyte nutzbarem RAM, über Consumer-Wi-Fi, ohne Stückkosten, die das Produkt sprengen.
Wir haben Audio in beide Richtungen gestreamt und die Wiedergabe beim ersten synthetisierten Chunk gestartet, statt auf die vollständige Antwort zu warten. Lokales Wake Word und Echounterdrückung hielten das Funkmodul still, bis es gebraucht wurde.
Ein ESP32-S3 mit Zwei-Mikrofon-Array, I2S-Codec und Verstärker auf einer kompakten 4-Lagen-Platine.
Wake Word und Sprachaktivitätserkennung auf dem Gerät, mit Streaming-ASR, einem LLM und TTS über ein Gateway.
ESP-IDF-Firmware mit WebSocket-Session-Protokoll, Provisionierungs-Flow und OTA, hinter einem zustandslosen Session-Service.
Hardware
AI
Embedded
Cloud