M5Stack LLM (stor sprogmodel) Modul Kit (AX630C)

Module LLM Kit er et smart modulært kit med fokus på offline AI inferens og data kommunikationsgrænseflade applikationer. Det integrerer Module LLM og Module13.2 LLM Mate modulerne for at opfylde offline AI inferens og data interaktionskrav på tværs af forskellige scenarier.

Module LLM er et integreret offline stort sprogmodel (LLM) inferensmodul designet specifikt til terminalenheder, der kræver effektiv og intelligent interaktion. Uanset om det er til smarte hjemmeapplikationer, stemmeassistenter eller industriel kontrol, leverer Module LLM en glat og naturlig AI-oplevelse uden afhængighed af skyen, hvilket sikrer privatliv, sikkerhed og stabilitet.

Module13.2 LLM Mate Module tilbyder en række interfacefunktioner for at lette systemintegration og udvidelse. Det opnår stablet strømforsyning med Module LLM via M5BUS-grænsefladen; det indbyggede CH340N USB-konverteringschip tilbyder USB-til-seriel fejlfinding, mens Type-C-grænsefladen bruges til USB log output. Derudover fungerer RJ45-grænsefladen sammen med den indbyggede netværkstransformer for at udvide til en 100 Mbps Ethernet-port og kerne seriel port (understøtter SBC-applikationer); FPC-8P-grænsefladen forbinder direkte til Module LLM og sikrer stabil seriel kommunikation; desuden er en HT3.96*9P loddepude reserveret til DIY-udvidelse.

Module LLM modulet integrerer StackFlow-rammeværket sammen med Arduino/UiFlow bibliotekerne, hvilket gør det muligt at implementere edge intelligence med blot få linjer kode. Drevet af den avancerede AiXin AX630C SoC processor og med en høj-effektiv NPU, der leverer 3,2 TOPS med indbygget understøttelse af Transformer-modeller, håndterer det ubesværet komplekse AI-opgaver. Udstyret med 4GB LPDDR4 hukommelse (1GB til brugerapplikationer og 3GB dedikeret til hardwareacceleration) og 32GB eMMC lagerplads, understøtter det parallel multi-model indlæsning og kædet inferens, hvilket sikrer glat multitasking. Med et driftseffektforbrug på kun omkring 1,5W er det langt mere energieffektivt end lignende produkter, hvilket gør det ideelt til langvarig drift.

Module LLM er kompatibel med flere modeller og leveres forudinstalleret med Qwen2.5-0.5B store sprogmodel, med indbyggede funktioner inklusive KWS (wake word), ASR (talegenkendelse), LLM (stor sprogmodel) og TTS (tekst-til-tale). Det understøtter også apt-baserede hurtige opdateringer af software- og modelpakker. Ved at installere openai-api plugin bliver det kompatibelt med OpenAI standard API, der understøtter chat, samtalefuldførelse, tale-til-tekst og tekst-til-tale blandt forskellige anvendelsestilstande. Det officielle apt repository tilbyder rigelige store modelressourcer — herunder deepseek-r1-distill-qwen-1.5b, InternVL2_5-1B-MPO, Llama-3.2-1B, Qwen2.5-0.5B og Qwen2.5-1.5B — samt tekst-til-tale modeller (whisper-tiny, whisper-base, melotts) og visuelle modeller (såsom yolo11 og andre SOTA modeller). Repositoryet opdateres løbende for at understøtte de mest avancerede modelapplikationer og imødekomme kravene til komplekse AI-opgaver.

Module LLM Kit er plug-and-play, og når det parres med M5 værten, giver det en øjeblikkelig AI interaktiv oplevelse. Brugere kan sømløst integrere det i eksisterende smarte enheder uden besværlig opsætning, hurtigt aktivere intelligente funktioner og forbedre enhedens ydeevne. Dette produkt er ideelt til offline stemmeassistenter, tekst-til-tale konvertering, smart hjemmekontrol, interaktive robotter og mere.

Funktioner

• Offline inferens, 3,2 TOPS ved INT8 præcision
• Integreret KWS (wake word), ASR (talegenkendelse), LLM (stor sprogmodel), TTS (tekst-til-tale)
• Parallel multi-model behandling
• Indbygget 32GB eMMC lager og 4GB LPDDR4 hukommelse
• Indbygget mikrofon og højttaler
• Seriel kommunikation
• SD-kort firmware opgradering
• Understøtter ADB fejlfinding
• RGB status LED
• Indbygget Ubuntu system
• Understøtter OTG funktionalitet
  

Indeholder

• 1 x Module LLM
• 1 x Module LLM Mate
• 2 x FPC-8P ledning
  

Anvendelser

• Offline stemmeassistenter
• Tekst-til-tale konvertering
• Smart hjemmekontrol
• Interaktive robotter

Specifikationer