前言
在今年的 CSDN 程序員節上，我參與了這次知存科技舉辦的一個 AI Workshop 小活動——“基于存內計算芯片開發板驗證語音識別”，并且有幸成為完成任務的學習者之一XD。上一次參與類似的活動是算能公司舉辦的“千校萬里行”AIGC 大模型編譯部署活動，感覺雖然只是簡單的燒錄現成代碼，經歷這幾次活動后 AI 小白也能有一個小小的成就感。趁著這股新鮮感還沒冷卻，我打算寫一篇博文來記錄下這次活動的一些經歷，也供后續參與的童鞋參考~

任務目標
AISHELL-WakeUp-1 數據集是中英文喚醒詞語音數據庫，命令詞為“你好，米雅” “hi, mia” ，語音數據庫中喚醒詞語音 3936003 條，1561.12 小時，邀請 254 名發言人參與錄制。錄制過程在真實家居環境中，設置 7 個錄音位，使用 6 個圓形 16 路 PDM 麥克風陣列錄音板做遠講拾音(16kHz，16bit)、1 個高保真麥克風做近講拾音(44.1kHz， 16bit)。此數據庫可用于聲紋識別、語音喚醒識別等研究使用。

本 demo 以該數據集為例，用不同網絡結構展示模型訓練及移植過程。

我們最終想要通過語音“你好，米雅”喚醒開發板。具體步驟如下：

訓練得到模型，并轉換為知存科技開發板相應格式模型。
工具鏈編譯模型，得到模型權重表。
燒寫模型權重。
燒寫代碼。
成功運行后，當我們對著開發板說出“你好，米雅”時，開發板就會通過串口發送“已喚醒”的信息。
開發板信息如下：

WTMDK2101-X3 是針對 WTM2101 AI SOC 設計的評估板，包含：

（1） WTM2101 核心板，即我們的存算芯片。

（2） 和 I/O 板：WTM2101 運行需要的電源、以及應用 I/O 接口等.

任務步驟
首先，本機上下載訓練數據和訓練代碼并運行。這樣我們就得到要燒錄到知存開發板上的對應格式的模型。

? 這一步結束后，我們可以得到以下模型+運行代碼：

將代碼放入 docker 工具鏈環境中，編譯運行，得到輸出的模型權重表：

開發板連接好跳線帽、數據線如下圖：

通過燒寫工具 WitinProgramTool 將模型權重燒錄到開發板上：

通過知存 IDE Witmem Studio，燒錄提供好的工程代碼。

打開串口調試助手（波特率115200，數據位8，停止位1，無校驗位）。若成功運行，此時當我們對著開發板說出“你好，米雅”或 “Hi, Mia” 時，串口便會輸出“已喚醒” 的提示信息。

總結
對我個人而言，我接觸 AI 非常少，只在前后端、嵌入式領域有過一些涉獵。因此，這次活動雖然在 AI 領域前輩來看可能是比較輕松的一個小任務，不過這份成就感讓我很滿足，我也大致能理解各個流程的作用。

從今年5月的 ST 峰會上大力推廣的邊緣AI，7月 RV 峰會上百家爭鳴的 AI 應用，這兩次算能和知存科技的 AI 硬件體驗活動，我逐漸也能感覺到 AI （特別是當下的 AIGC）對嵌入式領域同樣不容小覷的影響。現階段自己的學習還停留在一些簡單的控制，RTOS 這些。也許加深一些學習后，未來也可能在嵌入式深度學習領域有所學習~

審核編輯 黃宇