OpenVINO工具套件AI程式講座
|

Hailo在樹莓派上實證LLM技術的語音識別

   

作者:陸向陽

圖1:可加搭在樹莓派上方的AI加速模組Raspberry Pi AI HAT+(圖片來源:樹莓派)

關於以色列新創晶片商Hailo公司相信許多自造者、創客(Maker)已略有耳聞,因為該公司專門設計與銷售Edge AI的硬體加速晶片,如Hailo-8、Hailo-8L,或是直接內含處理器的Hailo-15等。

不過Hailo的加速晶片通常是用在電腦視覺(Computer Vision, CV)相關的人工智慧應用上,例如用攝影機觀看到一個畫面後,能從畫面中標示出是否有人?有多少人?有沒有人沒配戴工地帽等,諸如此類的。

由於Hailo的晶片逐漸受歡迎並打開知名度,同時創客廣泛愛用的樹莓派(Raspberry Pi)單板電腦在AI運算上的效能不足,故樹莓派公司與Hailo合作,推出Raspberry Pi AI Kit、Raspberry Pi AI HAT+兩款加速模組,只要將加速模組加裝到樹莓派上,即可讓樹莓派電腦獲得AI加速效果。

至於兩款加速模型有何差異?主要是配置的晶片不同,前者為Hailo的Hailo-8L晶片,後者為Hailo-8晶片,兩者推論速度差一倍,即13TOPS vs. 26TOPS(一般指INT8精度),但是前者功耗較低(1.5瓦 vs. 2.5瓦)、價格較低(新台幣約2,600元 vs. 3,850元)。

另外AI Kit其實是以Raspberry Pi M.2 HAT+擴充板再加裝上一片M.2介面的Hailo-8L加速模組而成,是透過再轉接的,而AI HAT+則是直接與樹莓派連接,不需要再透過M.2 HAT+擴充板。

Hailo展示LLM語音應用

或許是為了改變大眾對於Hailo較適合用於電腦視覺AI的印象,Hailo官方發言人技術展示了一段不是電腦視覺的Hailo晶片應用,Hailo官方用樹莓派與Raspberry Pi AI HAT+搭配,然後接上一個USB介面的麥克風,嘗試實現語音識別應用,語音識別已歸算在自然語言處理(Natural Language Processing, NLP)領域的AI應用。

Hailo官方使用OpenAI開發並開放的Whisper,Whisper是使用大語言模型(Large Language Model, LLM)技術實現的語音識別AI模型,更具體而言Hailo的官方實證是使用tiny-whisper-encoder、tiny-whisper-decoder模型。Hailo官方先錄一段約10秒的語音然後給Whisper識別,約數秒鐘的處理後正確輸出文字。

圖2:技術示範是先用遠端桌面連線連至樹莓派(圖片來源:Hailo於YouTube)

圖3:以網頁介面方式錄音,而後辨識出的文字也直接輸出在網頁畫面上(圖片來源:Hailo於YouTube)

技術實證相當簡單,甚至可以說是最簡單的語音識別示範,但在這裡有兩個重點,一是能否即時語音轉成文字?目前的實證並沒有做到,不過Hailo官方已表示會持續精進。

另一個重點是Hailo晶片是否真的幫樹莓派分勞解憂?亦即本來要由樹莓派主控晶片執行處理的語音識別工作,是否真的轉交給Hailo晶片來代勞,使主控晶片有較多效能餘裕做其他事,對此答案是肯定的,確實有把工作卸載(off-load)給Hailo晶片。

另外,Hailo方面也表示技術示範雖然是用Raspberry Pi AI HAT+,但其實也可相容用在Raspberry Pi AI Kit上,畢竟語音識別的應用負擔並不大,使用Hailo-8或Hailo-8L晶片差異不大。

後續可能延伸

Hailo官方發言人只是很初步的技術示範,但畢竟Hailo-8晶片有26TOPS的效能,後續也不排除可以直接在樹莓派上執行大語言模型的可能,特別是一些已經瘦身過的模型更有機會,或是參數量在70億(7B)以下,權重精度在8位元整數(INT8)以下的,估計將有望用於8GB記憶體的樹莓派上。

因為INT8、7B是有機會將模型容量控制在7GB左右,如此只要樹莓派的作業系統(Raspberry Pi OS)夠輕量,沒有預先載入過多的服務或開啟其他應用程式,是有機會在8GB版樹莓派上執行該模型的。或者,現在許多模型也將精度降至INT4,如此也能壓在4GB左右,或嘗試更少參數量的模型等。

事實上Hailo也有一顆針對生成式人工智慧(Generative AI, GenAI)的晶片,即Hailo-10H,精度INT4時可以有40TOPS效能,功耗3.5瓦,或許後續也有可能用於樹莓派。

(本篇文章經同意轉載自vMaker原文連結;責任編輯:謝嘉洵。)

陸向陽

訂閱MakerPRO知識充電報

與40000位開發者一同掌握科技創新的技術資訊!

Author: 陸向陽

從電子科系畢業後,即以媒體人的角色繼續這段與「電子科技」的不解之緣。歷任電子技術專書作者、電子媒體記者、分析師等角色,並持續寫作不殆。近來投入Arduino、Raspberry Pi等開放硬體的研究與教程介紹。

Share This Post On
468 ad

Submit a Comment

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *