【英飞凌 Edgi Talk评测】2.小智Agent关键词VAD模型

21ic电子工程师

116人浏览 · 2026-07-21 08:38:56

21ic电子工程师 · 2026-07-21 08:38:56 发布

上期跑了下小智的全流程，由于大部分AI都跑在云端，Edgi Talk和云端LLM通过WS协议通信，但小智的唤醒关键词检测是跑在Edgi Talk本地，这就有个音频数据收集、数据分类、数据训练、数据部署、数据推理等过程，这里参考RT-Thread官方教程https://www.eet-china.com/mp/a488911.html来进行。在小智工程有个edge-impulse目录就是放TFLite模型数据的。

1. 数据收集

这里用到Edgi Talk的BSP仓库里录音工具“audio-recording.exe”和录音固件“uac-firmware.hex”，见https://github.com/RT-Thread-Studio/sdk-bsp-psoc_e84-edgi-talk/releases/tag/1.1.0，先用MobusToolBox Programmer烧录固件“uac-firmware.hex”，Board选Custom，Device选“PSE846GPS2DBZC4A”，

打开工具audio-recording.exe，默认配置分别各自录制20次唤醒词、20次噪音并保存（两者一定命名区分开，这里唤醒词命名xiaorui_xxx，噪声命名noise_xxx），

2. 数据分类

打开https://edgeimpulse.com/并注册账号，新建工程，上传刚才收集的录音原始数据，

返回后现在要对20个唤醒词、20个噪音音频进行分类，Training可以看到所有刚上传音频数据，点击右边漏斗图标并在过滤框输入“xiaorui”，对20个唤醒词音频数据全部逐个进行分割裁剪掉多余没有唤醒词出现的废段，具体音频文件右边竖着三点图标弹出菜单点击“Split sample”，

弹出的音频编辑软件类似市面剪辑软件操作逻辑裁割有效片段，

裁割完的音频变成s1,s2,s3等，

20个噪音音频也是一样的过程，输入“noise”过滤，再全部逐个裁割。然后过滤框分别输入“xiaorui”“noise”过滤下添加标签进行分别，具体为过滤xiaorui时，点击右边复选图标，再全部勾选过滤后的音频文件，再Edit label输入“xiaorui”，

所有噪音文件同理，

至此所有分割后的音频数据全都归成“xiaorui”“noise”两类。

3. 数据训练

点击Create impulse，目标设备由于没有M55@400MHz，这里切到M7@216MHz，然后依次添加处理块、学习块，即点击“Add a process block”，选择“MFCC(Audio)”

点击“Add a learning block”，选择“Classification”，

然后点击“Save Impulse”保存脉冲。然后设置MFCC参数可保持默认，

保存参数后，点击“Generate features”后产生分类数据的特征，

点击左边“Traing”栏，可看到配置，

然后点击“Save& train”开始关键的训练过程，时间有点长，

这里可以检查下实际效果（可选），点击左边“Model testing”栏，点击Classify all,

右边显示有测试数据的推理结果，

4. 数据部署

到这里模型初步建立完成，需要部署到Edgi Talk上，点击左侧“Deployment”栏弹出部署配置对话框，Deployment target选Arduino library，Inference engine选TensorFlow Lite，

然后点击Build进行编译生成模型源码，

生产源码下载下来并解压，其arduino工程结构很清晰，模型文件在src目录，备份小智工程Edgi_Talk_M55_XiaoZhi\edge-impulse下的model-parameters、tflite-model目录，把刚解压的arduino工程src下的model-parameters、tflite-model目录复制过来，