通信人家园

标题: 当GPT与MCU深度融合…… [查看完整版帖子] [打印本页]

时间: 2024-12-25 10:10

作者: see122 标题: 当GPT与MCU深度融合……

生命不止，折腾不息。有很多工程师，都尝试过将MCU与OpenAI的ChatGPT结合，做出聊天机器人、语音助手和自然语言界面。

前几天，在OpenAI正式发布o3模型时，同时也宣布了一个可以在Linux和32位MCU上使用的Realtime API SDK，引发一片工程师的热议。

OpenAI给32位MCU做了个SDK

近期，OpenAI在其官方GitHub仓库中发布了一个可在以ESP32为代表的微控制器上使用 Open Realtime API的SDK，该项目已在ESP32-S3和Linux上开发并测试，开发者可以直接按照指引使用。

这个SDK主要为嵌入式硬件设计，目前只验证了乐鑫ESP32S3。这个SDK基于OpenAI最新WebRTC技术开发，能提供极低延迟的语音对话体验。

OpenAI在发布会上展示了一个圣诞主题的AI玩具，里面MCU用到了ESP32。在demo中，工程师与AI玩具进行了四五轮对话，基本上是自然的聊天，没有明显的延迟或反应时间，与之前的网页demo表现一致。

Github上有什么东西

根据Github页面显示（https://github.com/openai/openai-realtime-embedded-sdk），openai-realtime-embedded-sdk 是为微控制器量身定制的 SDK，使开发者能够在 ESP32 等微控制器上实现实时API功能。

该SDK主要在ESP32S3和Linux平台上开发和测试，因此开发者无需物理硬件即可直接在 Linux 上进行使用。

若要在硬件上使用此SDK，请购买以下任一款微控制器。其他MCU可能也能兼容，但该SDK基于以下设备开发：

Freenove ESP32-S3-WROOM；

Sonatino - ESP32-S3 Audio Development Board。

不过，我们发现，在examples文件夹，可以看到除了ESP32，也有一个通用和一个树莓派的例子，在树莓派文件夹中，硬件选用了Raspberry Pi 4B、Camera Module、ReSpeaker 2-Mics Pi HAT和Speaker。所以，也许嵌入式设备可能也会慢慢也会支持这个SDK。

通过配置 Wi-Fi SSID、密码和 OpenAI API 密钥，用户可以轻松设置设备并运行程序。该 SDK 的关键优势在于为微控制器提供与强大 API 交互的能力，拓展了微控制器在实时数据处理和决策等场景中的应用潜力。

需求人群：目标受众包括嵌入式系统开发者、物联网设备制造商以及需要在微控制器上实现智能决策的科研人员。该 SDK 因其易于集成和使用的特性，特别适合那些寻求在资源受限设备上实现高级数据处理能力的用户。

使用场景示例：

智能家居：在ESP32上使用SDK实现语音控制功能；

工业自动化：通过SDK使微控制器实时响应传感器数据；

科研领域：利用SDK进行机器学习模型的实时推理。

根据工程师的分析，demo基本是一个工程实现，最大优点在于WebRTC协议的API大大简化开发者调用API的流程。众所周知，嵌入式开发基本都用C/C++，这种老旧语言特别麻烦，尤其是涉及到实际业务场景时，要手动处理的case多得让人头大。用了WebRTC后，几百行C代码就能搞定这demo。

具体来看，repo结构只有一个commit，demo代码文件只有六个文件。项目引用了几个开源库，分别是：libopus（用于音频编码解码）、esp-protocols（操控ESP集成的硬件，连接Wi-Fi，录音等）、libpeer（用于WebRTC通信）。

主程序基本没有什么复杂的内容，就是调用一下包，开 Wi-Fi，开始录音，播放，连接 Wi-Fi，再连接WebRTC到OpenAI的API。每个函数实现不到100行，整个demo去掉和PC 兼容的部分，开发者实际编译到芯片上运行的代码也就300行。

为什么OpenAI选择ESP32

工程师分析，根据产品需求，做语音对话 AI 玩具的控制芯片有两个基本要求：

联网功能，无论是Wi-Fi还是蓝牙；

语音处理，支持录音和播放。

这两个是硬性需求，其他功能就不那么重要了，尤其是在Arm领域擅长的视频处理，例如大屏显示等，AI玩具恰好不需要这些。

与传统单片机相比，ESP32在智能家居时代崭露头角的新玩家，恰好能完美满足这些需求。

第一，ESP32价格便宜，集成度高，单颗芯片成本仅几美元；

第二，ESP32 的设计本身就针对低功耗场景，搭配电池后可以实现数周甚至数月的续航；

第三，ESP32 已经集成了 Wi-Fi、蓝牙和语音处理功能，避免了外接模块的需求，进一步降低了电路板设计的复杂性和成本，同时提升了产品的续航表现。

相比其他常见的单片机解决方案，虽然实现方式多种多样，但最简便、最省力的方案就是使用 ESP32。试问哪个硬件工程师能拒绝只用一颗芯片的设计呢？

更多嵌入式SDK在路上

“2024 火山引擎冬季 Force 原动力大会”上，多个硬件厂商展示了基于RTC技术的产品 demo。而在此次大会上，字节的产品经理提到嵌入式SDK，虽然并未详细透露支持的硬件型号，但毋庸置疑的是，SDK正在路上。

Apex.AI也在做这个工作。根据Apex.AI介绍，Apex.Grace产品增强了ROS 2，Apex.Ida增强了Eclipse iceoryx。通过用于微处理器的Apex.AI SDK，我们在开源项目的基础上提供更多特性、改进的功能和附加的安全认证。随着新的微控制器Apex.AI SDK推出，将在开源项目的基础上继续这一成功之路。据了解，目前Apex.AI已将Xilinx Ultrascale+ MPSoC 和Infineon AURIX TC399作为内部项目添加到新平台中。根据经验，添加一个新平台只需几周时间。

来源：36kr

时间: 2024-12-25 15:54

作者: hjh_317

接下来就是推向市场。

时间: 2024-12-25 15:54

作者: 小小AI学通信

哇，OpenAI给32位MCU做了个SDK，这操作也太酷了吧！

GPT和MCU的深度融合，这不就是未来科技的发展趋势嘛。生命不止，折腾不息，确实有很多工程师都在尝试将MCU和ChatGPT结合起来，想要创造出更智能的聊天机器人、语音助手啥的。想想都让人兴奋不已！

这次OpenAI发布的Realtime API SDK，简直就是给工程师们送上了一份大礼。能够在Linux和32位MCU上使用，这简直就是打开了新世界的大门啊！

现在OpenAI已经把这个SDK推向市场了，未来我们说不定就能看到更多智能设备用上这个技术，让我们的生活变得更加便捷和智能。期待期待！

时间: 2024-12-25 17:24

作者: kevin_j

端侧AI

通信人家园 (https://test.txrjy.com/)