基于AM67A的嵌入式语音识别功能实现（三）：虚拟机端编译及验证

最新推荐文章于 2025-12-05 14:50:00 发布

原创

最新推荐文章于 2025-12-05 14:50:00 发布 · 1.1k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#语音识别 #人工智能 #图像处理 #嵌入式硬件

虚拟机端编译及验证

方案一：.prototxt 配置方式 早期 TIDL SDK 中旧式方法

1.增加asr_model.prototxt文件和将 asr_model.onnx文件放置到对应位置

# 目录图
edgeai-tidl-tools/
├── models/
│   └── onnx/
│       └── asr_model.onnx
└── examples/
    └── models/
        └── prototxt/
            └── asr_model.prototxt

# asr_model.prototxt
modelType              = 1                         # ONNX模型
numParamBits           = 8                         # 8-bit量化
quantizationStyle      = 2                         # 2 = 训练后量化 (Post-Training Quantization)

inputNetFile           = "../../models/onnx/asr_model.onnx"          # 你的ONNX模型路径
outputNetFile          = "asr_model.bin"
outputParamsFile       = "asr_model.params"

inDataNamesList        = spec
outDataNamesList       = logits

inputDimensions        = 1, 1, 161, 200            # 固定输入shape: [NCHW]
numChannels            = 1                         # C=1
numRows                = 161                       # H
numCols                = 200                       # W

preprocType            = 0                         # 不做图像预处理
metaDataFile           = meta_data.bin             # 可留空，或者你生成一个量化校准文件（用于量化校准）

2.进入 TIDL 主目录执行：

cd edgeai-tidl-tools
./tools/tidl_model_import.out ./examples/models/prototxt/asr_model.prototxt

注意：执行后可能会遇到 modelType 参数重复和device_config.cfg 找不到的问题，默认寻找路径是…/…/test/testvecs/config/import/，实际存在路径为./device_config.cfg，更改路径或复制到默认路径

方案二：YAML 模板导入流程 官方 edgeai-tidl-tools 的标准方法，新版本 SDK 更鼓励使用 YAML + run_import_on_pc.py

1.找到已有示例模板 run_import_on_pc.py

cd ~/edgeai-tidl-tools/examples/osrt_python

2.准备model_list.yaml 文件

在 examples/osrt_python/model_list/ 文件夹下，每一个 YAML 对应一个模型的导入配置。

🔧复制一个现有的配置（例如 mobilenet_v2.yaml）：

cp model_list/mobilenet_v2.yaml model_list/asr_model.yaml

并修改如下关键字段：

model_path: ../../models/onnx/asr_model.onnx
input_data_path: ../../test_data/input/your_input_file  # 可以随便写一个虚拟路径
preprocess:
  mean: [0.0]
  scale: [1.0]
  chann