แท็ก

#ESP32

4 บทความ

Meta เปิดซอร์ส Muse Gadgets — SDK สำหรับ ESP32 และ Raspberry Pi ให้เอเจนต์ Muse สั่งงานฮาร์ดแวร์ได้ (Apache-2.0) แต่ต้องใช้โทเคนที่ห้ามขายและจำกัด 50 เครื่อง
AI Skills

Meta เปิดซอร์ส Muse Gadgets — SDK สำหรับ ESP32 และ Raspberry Pi ให้เอเจนต์ Muse สั่งงานฮาร์ดแวร์ได้ (Apache-2.0) แต่ต้องใช้โทเคนที่ห้ามขายและจำกัด 50 เครื่อง

2 ต.ค. 2026 Meta เปิด repo muse-gadget-sdk ภายใต้ Apache-2.0 ประกอบด้วยเฟิร์มแวร์ ESP32, SDK สำหรับ Linux/Raspberry Pi ที่ให้ Muse รันคำสั่ง shell ได้ และ skill ควบคุมอุปกรณ์สมาร์ตโฮม 43 ชุด แต่การจับคู่ทุกเครื่องต้องใช้ SDK token ที่ใช้ได้เฉพาะงานส่วนตัวที่ไม่ใช่เชิงพาณิชย์ ฝังได้ไม่เกิน 50 เครื่อง ห้ามขาย และ Meta เพิกถอนได้ทุกเมื่อ

· อ่าน 4 นาที
Oído — ถอดเสียงพูดภาษาอังกฤษแบบพูดอะไรก็ได้บนชิป ESP32-S3 ราคา $5 โดยไม่ใช้ cloud และไม่ต้องมี NPU — WER 3.7% ดีกว่า Whisper tiny แต่ความเร็วยังเป็นตัวเลขประเมินจาก emulator
เครื่องมือนักพัฒนา

Oído — ถอดเสียงพูดภาษาอังกฤษแบบพูดอะไรก็ได้บนชิป ESP32-S3 ราคา $5 โดยไม่ใช้ cloud และไม่ต้องมี NPU — WER 3.7% ดีกว่า Whisper tiny แต่ความเร็วยังเป็นตัวเลขประเมินจาก emulator

30 ก.ย. 2026 Lokutor บริษัทจากมาดริดเปิดซอร์ส Oído เอนจินถอดเสียงพูดที่รัน Conformer-CTC Small 13M ของ NVIDIA บนไมโครคอนโทรลเลอร์ ESP32-S3 ได้ WER 3.7/8.2 บน LibriSpeech ซึ่งดีกว่า Whisper tiny.en ที่รันบนแล็ปท็อป แต่ความเร็วแบบเรียลไทม์ยังเป็นค่าประเมินจาก QEMU และโค้ดเป็น GPLv3 ถ้าจะใส่ในสินค้าแบบปิดต้องซื้อไลเซนส์

· อ่าน 5 นาที
Needle 2: โมเดล 45M พารามิเตอร์ในไฟล์ 14MB เรียก tool ได้บนไมโครคอนโทรลเลอร์ — แต่ตารางเบนช์มาร์กของมันเองบอกว่ายังแพ้รุ่นพี่ในหลายข้อ
โมเดลใหม่

Needle 2: โมเดล 45M พารามิเตอร์ในไฟล์ 14MB เรียก tool ได้บนไมโครคอนโทรลเลอร์ — แต่ตารางเบนช์มาร์กของมันเองบอกว่ายังแพ้รุ่นพี่ในหลายข้อ

Cactus Compute ปล่อย Needle 2 เมื่อ 10 ส.ค. 2026 — โมเดล 45M พารามิเตอร์ที่บีบเป็นไบนารีเดียวขนาด 14MB ใช้ RAM ตอนทำงาน 28MB และรันได้ถึงระดับ ESP32 น้ำหนัก Apache-2.0 โค้ด MIT แต่ตารางเบนช์มาร์กในโมเดลการ์ดเองแสดงว่ามันแพ้ LFM2.5 230M และ Apple FM บน BFCL v4 ชัดเจน

· อ่าน 7 นาที
รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s
เครื่องมือนักพัฒนา

รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s

โปรเจกต์โอเพนซอร์สบน GitHub รันโมเดลภาษา 28.9 ล้านพารามิเตอร์บน ESP32-S3 ราคาราว 8 ดอลลาร์ ได้ราว 9.5 tok/s โดยยืมเทคนิค Per-Layer Embeddings จาก Gemma 3n/Gemma 4 มาเก็บตารางเอ็มเบดดิง 25 ล้านพารามิเตอร์ไว้ในแฟลชแทน RAM — อ่านแค่ราว 450 ไบต์ต่อโทเคน ใหญ่กว่าสถิติเดิมบนชิประดับเดียวกันราว 100 เท่า

· อ่าน 6 นาที