Proyecto de Reconocimiento de Voz
Proyecto de Reconocimiento de VozFecha de publicación: 04-10-2024 Fecha de actualización: 10-04-2026 🕒 3 lectura min
El aprendizaje automático es un campo de la inteligencia artificial que no solo es útil en la automatización industrial, sino que también puede ser parte de proyectos interesantes para los entusiastas de la electrónica.
Hardware requerido:
- 1x Tiny Machine Learning KIT
- Incluye: Arduino Nano 33 BLE Sense Lite
- Incluye: Camera Module OV7675
- Incluye: Tiny Machine Learning Shield
- Incluye: USB cable
What is TinyML?
TinyML, o Tiny Machine Learning, te permite ejecutar modelos de aprendizaje automático en computadoras pequeñas y simples, como las que se encuentran en las placas Arduino. Esto significa que puedes crear proyectos con Arduino que analizan información y toman decisiones de manera autónoma, sin necesidad de una computadora potente o una conexión a internet.
Usando una herramienta especial llamada TensorFlow Lite, puedes configurar estos modelos inteligentes directamente en dispositivos Arduino, como el Arduino Nano 33 BLE Sense. Esto es ideal para proyectos que requieren respuestas rápidas y privacidad de datos, como dispositivos inteligentes para el hogar que responden a tus comandos o monitorean el entorno.
Paso 1:
Conecta el Arduino Nano 33 BLE Sense Lite a tu computadora usando el cable USB.
Paso 2:
Instala la librería "Arduino_TensorflowLite" usando el Administrador de Librerías. Luego abre el proyecto de ejemplo "micro_speech" y comienza la construcción del software haciendo clic en el botón de compilación en la esquina superior izquierda.
Paso 3:
Sube el código al Arduino.
El proceso de compilación tomará más tiempo para este proyecto debido a los componentes de aprendizaje automático en el código.
¿Cómo entrenar el modelo?
Para un proyecto de reconocimiento de voz con TinyML en Arduino, primero recopila muestras de audio y etiquétenlas con las palabras o frases habladas. Procesa estos datos de audio filtrándolos y normalizándolos para garantizar la consistencia. Entrena un modelo de aprendizaje automático en una computadora utilizando herramientas como TensorFlow Lite, basándote en estas muestras de audio limpias. Finalmente, convierte y sube el modelo entrenado a tu Arduino, permitiendo que reconozca comandos hablados en tiempo real. Sin embargo, para este proyecto, todo el entrenamiento ya se ha realizado y está incluido en el Proyecto de ejemplo, por lo que no necesitas entrenar el modelo tú mismo.
Paso 4:
Abre la ventana de Comunicación Serial en el IDE de Arduino mientras tu Arduino está conectado a la PC.
Ahora puedes probar el proyecto diciendo “YES” o “NO”.
En la Ventana Serial, el Arduino indicará qué palabra has dicho en voz alta.
TEST-1:
TEST-2:
Transfer Multisort Elektronik (TME) es uno de los mayores distribuidores mundiales de componentes electrónicos, partes electrotécnicas, equipos de taller y automatización industrial. El catálogo incluye más de 1.500.000 de productos de 1.300 fabricantes líderes. Los modernos centros logísticos de TME en Łódź y Rzgów (Polonia), con una superficie total de más de 40.000 m², envían casi 6.000 paquetes diarios a clientes en más de 150 países.
TME también invierte en el desarrollo de los conocimientos y habilidades de jóvenes ingenieros y entusiastas de la electrónica a través del proyecto TME Education, y apoya a la comunidad tecnológica organizando la serie de eventos TechMasterEvent, que promueve la innovación y el intercambio de experiencias.
