聆思大模型AI开发套件试玩评测

前言

    首先，这次的套件来自于极术社区的聆思大模型AI开发套件评测活动，很荣幸能够入选的40名开发者之一，本次帖子记录套件试玩的过程及测试。

套件介绍

    聆思大模型AI开发套件的主控芯片是CSK6011A高性能AI芯片，板载16MB的Flash和30W像素的摄像头模组以及扬声器麦克风，320*240的触碰显示屏幕，ESP32-C3 网络模组。

    快递到手后，里面包括了一个 CSK6-MIX开发套件 以及一根 Type—C 数据线。

    拿到的套件默认烧录了快速体验的固件，文档描述该固件三种示例功能，在使用功能之前，先使用串口助手（我是用的是UartAssist）

    用使用Type-C数据线连接开发板DAP_USE口，给模块配网，波特率为115200，*ASCII*码，配网指令如下。

wifi connect wifiname password

出现这个应该就是配网成功了，接下来开始初始固件的功能体验

1.大模型语音对话功能

2.大模型作画

3.大模型控制设备

    初步的使用体验下来还是不错的，在比较嘈杂的环境下待机没有出现误识别的情况，也能正确识别到唤醒词，进行正确的指令操作，偶然出现了一次想要作画识别，套件进行了设置屏幕颜色的操作。

环境搭建

我使用的是Windows系统进行环境安装

打开cmd，在命令行终端输入

git --version

检查是否git是否安装成功，出现版本号既安装成功

下载官网的CKS一键安装包，下载完成后右键管理员运行打开

选择路径（我这边改到了D盘），下一步，安装

安装成功后，在命令行终端中输入环境自检命令

lisa info zep

输入后终端会显示CSK6 开发环境的安装情况

lisa zep create

选择hello_world，回车进行创造

显示输入文件名，输入文件名

hello_world

终端显示创建sample，进入刚创建的路径，并编译

cd hello_world
lisa zep build -b csk6011a_nano

显示构建成功

接着使用Type-C数据线连接开发板DAP_USE口开始烧录，输入指令

lisa zep flash

出现结束，即代表烧录成功，完成环境的搭建。

性能测试

    主要通过运行速度，准确率部分对官方给予的示例进行综合的性能测评。

    首先是大模型自带的初始固件自带的三个功能测试。

对话功能

    由于只是对套件进行性能测试，所以没有对星火大模型的逻辑性，语言表达能力等进行深度测评，主要还是针对，测试总共进行了20次对话，从对话结束到套件回答的平均时间大约是六秒，准确率为百分之八十五，基本都能够符合能正确回答问出的问题。失败的三次中，一次是没有理解到意思（这次其实也不知道应不应该计入0.0），一次是误识别成屏幕颜色，另一次是提示稍等后没有给出回应（感觉是识别为作画但是没有画出来）。

作画功能

    作画功能也进行了20次的作画，作画的要求从简单到复杂，从画一辆赛车到后面的画出外星人在地球上包饺子之类的画，作画的平均时间大约是十秒，准确率为百分之八十，神奇的是，简单的要求作画反而有时画不出来，越测到后面复杂的要求反而是都能够回应且画出来。

屏幕颜色设置

    屏幕颜色设置，同样是20次的测试，这次平均的设置时间是五秒上下，准确率为百分之九十五，错误的一次是说设置成天空的颜色设置成了墨绿色，再次设置成天空的颜色又变成了蓝色。

坐姿检测

    进行坐姿检测的功能测试前先进行固件的烧录，将电脑和套件进行连接，在终端中输入

进行固件的烧录，其中COM改为自己的COM口。

lisa zep exec cskburn -s \\.\COM8 -C 6 -b 1500000 0x000000 spd_zephyr.bin

烧录完成后，对套件进行重新上电，将摄像头对准人像，套件即会对摄像头获取的图像进行手以及身体的角度分析，经过测试手的状态有正常，下垂，撑脸三种状态，身体状态有正常、趴桌、驼背、离席、倾斜五种状态，由于贴主的问题，无法对此功能进行测试，只能说响应速度很快，手的状态识别能够很准确，但是身体的驼背状态有时识别不出来，需要较大的幅度才识别为驼背。

单词评测

单词评测的烧录过程为

1.首先编译示例单词评测的工程，在终端输入

lisa zep build -b csk6_duomotai_devkit apps\lcd_csps\ -p

2.连接电脑与套件，将COM改为自己的COM口，继续输入烧录指令

lisa zep exec cskburn -s \\.\COM8 -C 6 -b 1500000 0x000000 --verify-all .\build\zephyr\zephyr.bin

烧录完之后，按下套件上的复位键RST进行使用，点击屏幕后进入选择界面，有单词，短语，句子三个选项，每个选项有三组题，单词的题库是happy,friend和jump；短语的题库是see you later, good morning和i love you；句子的题库是i am happy to see you,Good moring! How are you today和Let's jump and have fun。在相应的题的界面，点击评测，念出单词，再次点击结束，即可立刻显示精准度流畅度完整度标准度以及错误单词，每道题目我都进行了五次测评，三次正确念出，一次念错单词以及一次不读，都能够正确分辨出正确念出，错念或漏念的单词。

总结

    经过对聆思大模型AI的深入评测，我们得出了以下的结论。总体体验下来，首先是官方的技术文档结构清晰，易于理解。其次，聆思大模型AI给我们留下了非常深刻的印象，其高度的开发性和优秀的表现令人赞叹。聆思大模型AI在图像识别、语音识别等多个方面的表现都非常出色。无论是对于复杂的语义理解，还是对于细微的图像特征识别，聆思大模型AI都能提供即时、准确的反馈。

    以上就是鄙人试玩聆思大模型AI开发套件的内容了，感谢你能看到这里，希望这个帖子能帮助到你。