ESP32 Agent Dev Kit: Un revolucionario asistente de voz impulsado por tecnología LLM en el ESP32-S3

El ESP32 Agent Dev Kit se erige como una oferta destacada en el ámbito de los asistentes de voz, impulsado por el microcontrolador ESP32-S3. Este dispositivo se posiciona como una solución versátil, compatible con modelos de lenguaje de gran tamaño (LLMs) como ChatGPT, Gemini y Claude, abarcando aproximadamente el 95% de los casos de uso en aplicaciones de IAoT, que van desde tecnologías para el hogar inteligente hasta robótica y productos interactivos.

En comparación con el SenseCAP Watcher, el ESP32 Agent Dev Kit incorpora una pantalla no táctil de mayor tamaño y se encuentra dotado de micrófonos duales. No obstante, es importante señalar que carece de soporte para modelos de lenguaje locales, lo que podría limitar algunas aplicaciones. La interfaz MikroBUS que presenta permite la expansión y la integración con componentes adicionales, enriqueciendo su capacidad de personalización.

Los detalles técnicos del ESP32 Agent Dev Kit ponen de manifiesto su potencial: se basa en un microcontrolador dual-core Tensilica LX7 que opera a 240 MHz, respaldado por 8MB de PSRAM y 16MB de almacenamiento flash. Además, su pantalla táctil de 3,5 pulgadas ofrece una resolución de 480×360 píxeles, mientras que la cámara OmniVision OV5647 de 5MP proporciona un campo de visión de 120°. En cuanto a la funcionalidad de audio, destaca su altavoz de alta fidelidad y los micrófonos de alta sensibilidad. Las capacidades de conectividad están garantizadas a través de Wi-Fi de 2.4GHz y Bluetooth 5 (LE), operando gracias al ESP32-S3. Asimismo, el dispositivo integra un sensor de proximidad infrarrojo que potencia sus características interactivas.

Las opciones de desarrollo para este kit son amplias, ya que ofrece soporte tanto para Arduino IDE como para ESP-IDF. Permite interacciones en tiempo real a través del Volcano Engine RTC y la API en tiempo real de OpenAI, facilitando así la comunicación efectiva con los modelos de lenguaje mencionados, todo ello gracias a la plataforma Coze AI.

Por otra parte, la campaña de crowdfunding para el ESP32 Agent Dev Kit está activa actualmente en Kickstarter, habiendo superado con éxito su objetivo de financiación de 1.668 dólares (aproximadamente 1.589 euros). Se ofrece a un precio de 40 dólares (cerca de 36,60 euros), con un precio de venta al público previsto de 69 dólares (unos 63,14 euros). Aunque este dispositivo se comercializa como de código abierto, su repositorio en GitHub resulta algo escaso, con el firmware disponible solo en formato binario. El código de los controladores se presenta en un tarball, lo que suscita dudas sobre los beneficios prácticos de emplear un sistema de control de versiones en el desarrollo de software.

Se espera que el envío del ESP32 Agent Dev Kit comience en marzo de 2025, convirtiéndose en un dispositivo a tener en cuenta en el pujante panorama de la tecnología activada por voz.

Fuente