ESP-Skainet 是一个全新的语音交互开发框架，基于乐鑫的旗舰级芯片 ESP32。新的开发框架包括 WakeNet 和 MultiNet，以支持语音唤醒和离线多命令词识别。

WakeNet 是乐鑫的语音唤醒引擎，内存占比小（大约为 20 KB），计算速度快。WakeNet 专为低功耗嵌入式 MCU 设计，可以为用户提供优异的近场和远场唤醒性能。以 ESP32-LyraT-Mini 开发板作为一个例子，在安静的环境中，开发板在 1 米外的准确唤醒率高达 97％， 3 米外的准确唤醒率也为 95％，具体信息如下表所示。

目前，乐鑫的语音唤醒引擎最多支持五个唤醒词。乐鑫免费为客户提供官方唤醒词“Hi 乐鑫”。此外，我们还支持客户定制唤醒词。关于定制唤醒字的详细信息，请参阅“乐鑫语音唤醒方案客户定制流程”

MultiNet 是一个轻量级模型，可以基于 ESP32 实现离线多命令词识别。MultiNet 的设计借鉴了卷积递归神经网络（CRNN）和连接主义时间分类（CTC），可将音频的 MFCC（Mel-Frequency Cepstral Coefficients）特征值处理为对应汉字或单词的组合音素，然后通过对比输出音素找到对应的语音命令。目前，我们支持多达 100 个中文命令词，包括自定义命令。

更重要的是，用户可以轻松添加自己的语音命令词，而无需重新训练模型。整个过程可离线完成，无需网络连接。在确保用户信息安全的同时，可以快速增加命令。下一版 MultiNet 将支持英文命令词。