Wideoprezentacja nakładki do rozpoznawania głosu na Raspberry Pi – MATRIX Voice HAT
Zapraszamy do obejrzenia prezentacji wideo nakładki na Raspberry Pi do rozwoju aplikacji uczenia maszynowego, IoT i rozpoznawania głosu. Film demonstruje najważniejsze elementy płytki, sposób połączenia zestawu do minikomputera oraz działanie przykładów zaprojektowanych przez producenta.
Nakładka Matrix Voice to otwarta platforma do rozpoznawania głosu, zaprojektowana przez firmę MATRIX Labs. Płytka rozwojowa ma okrągły kształt o średnicy 3,14 cala (8 cm). Została wyposażona w matrycę 8 mikrofonów MEMS, układ FPGA Xilinx Spartan6, umożliwiający wydajne przetwarzanie danych, 18 diod RGB LED, pamięć SDRAM o pojemności 64 MB oraz 64 piny GPIO. Na płytce znajdują się także złącza microUSB i Jack 3,5 mm oraz miejsce na montaż modułu komunikacji bezprzewodowej ESP32. W sprzedaży można znaleźć także wersję produktu z zainstalowanym już modułem.
Możliwość podłączenia nakładki do Raspberry Pi umożliwia użytkownikowi dostęp do pełnego stosu programowego Matrix oraz wsparcie w systemach Debian, Raspbian i Android Things. Moduł można programować na wielu poziomach abstrakcji: biblioteka Matrix HAL pozwala na obsługę w języku C/C++, natomiast Matrix Core – w językach wysokiego poziomu (producent dostarcza przykładów w Python oraz JavaScript). Nakładka może współpracować z najpopularniejszymi usługami asysty głosowej i rozpoznawania mowy – Microsoft Cognitive Service, Amazon Alexa i Google Speech API, a także prostą w obsłudze chmurą IFTTT. Po podłączeniu do Raspberry Pi kamery, nakładka umożliwia wykorzystanie algorytmów rozpoznawania twarzy oraz gestów.
Producent dostarcza przykładów wykorzystania algorytmów przetwarzania sygnałów audio, takich jak: usuwanie szumu i lokalizacja źródła dźwięku, a także integracji z systemami rozpoznawania mowy.
Zestaw został udostępniony do testów przez firmę Farnell element14.
Więcej informacji
Link do produktu w sklepie Farnell element14
Karta produktu na stronie MATRIX Labs
Lista komend pozwalających zainstalować oprogramowanie i uruchomić demo na Raspberry Pi