夜雨聆风
主要参数
- 核心设备：Raspberry Pi 5
- 内存：8 GB RAM
- 音频输入输出：Seeed Studio ReSpeaker 麦克风 HAT
- 操作系统：DietPi
- 语音识别：Moonshine ASR
- 语音活动检测：Silero VAD
- 语言模型：Liquid AI 的 LFM2 和 Gemma 3 1B
- 文本到语音：Piper
功能特色
CrankGPT 的最大特色在于其完全依赖手摇发电机供电，所有 AI 处理均在本地完成。通过手摇发电机，Raspberry Pi 5 可以启动并运行语音助手功能。为了应对电流波动，团队设计了一个自定义电容板，确保系统在摇动中断时仍能稳定运行。
优缺点
优点： - 创意十足，展示了离线 AI 语音助手的可能性。 - 所有处理均在本地完成，保护用户隐私。
缺点： - 手摇发电的方式不适合长时间使用。 - 处理能力受限于硬件，无法运行大型语言模型。
AI 分析
CrankGPT 使用了小型语言模型和高效的语音合成引擎，使得在资源有限的情况下仍能提供快速响应。虽然无法与云端 AI 服务的性能相比，但在无电源环境下提供了一个可行的解决方案。
应用场景
- 教育与演示
：展示 AI 技术在极端条件下的应用。 - 应急通信
：在无电源的情况下提供基本的语音助手功能。 - 隐私保护
：所有数据处理在本地完成，适合对隐私有高要求的用户。
总结
CrankGPT 是一个创新的项目，虽然不具备实用性，但它展示了在极端条件下实现 AI 功能的可能性。对于那些对 AI 和能源效率感兴趣的人来说，这是一个值得关注的项目。
本文是关于在Kria KR260硬件上创建和验证高速Aurora串行链路的实用分步指南。 https://www.hackster.io/kupradzeg/aurora-64b-66b-bring-up-guide-for-kria-kr260-746142
主要参数
- 硬件平台：Kria KR260
- 协议：Aurora 64B/66B
- 工具：Vivado
功能特色
Aurora 64B/66B协议是一种高效的串行通信协议，适用于需要高带宽和低延迟的应用。该指南详细介绍了如何在Kria KR260上设置和验证Aurora链路。
优缺点
优点
高速数据传输能力 低延迟特性 适用于多种高性能应用
缺点
实现复杂，需要一定的FPGA开发经验
AI 分析
Aurora协议在高速数据传输中的应用越来越广泛，尤其是在需要高吞吐量和低延迟的场景中。通过在Kria KR260上实现Aurora 64B/66B，可以为开发者提供一个强大的工具来满足这些需求。
应用场景
高性能计算 数据中心互连 高速数据采集系统
项目概述
piBrick PocketCM5 是一个新推出的套件，旨在将树莓派转变为高端的 Linux 掌上设备。该套件提供了物理键盘、触摸屏、外壳等几乎所有必要组件，使用户能够轻松组装出类似于商用产品的设备。
https://www.hackster.io/news/this-new-kit-turns-a-raspberry-pi-into-a-high-end-linux-handheld-eb6a4dfffd18
用到的硬件清单
树莓派 Compute Module 5 3.92 英寸 AMOLED 触摸屏 QWERTY 键盘与集成触控板 RP2040 辅助控制器 加速度计 可选的 Raspberry Pi Camera Zero 模块 用户自备的锂聚合物电池（推荐 5000 mAh）
实现的功能
该项目最终实现了一台便携式 Linux 计算机，用户可以通过物理键盘和触摸屏进行交互。设备支持多种存储选项，包括 microSD 和 M.2 NVMe SSD，并提供丰富的连接接口，如 USB-C、USB-A、HDMI、立体声扬声器和耳机插孔。
技术亮点
高分辨率 AMOLED 触摸屏，支持多点触控 物理键盘和触控板提供更好的交互体验 开源硬件设计，用户可自由修改和扩展
实现方案分析
该套件的设计简化了掌上设备的组装过程，用户只需安装树莓派模块、电池、散热器、存储设备和操作系统即可完成组装。开放的设计文件和资源使得用户可以根据需要进行定制和扩展。
可复用价值 / 应用场景
piBrick PocketCM5 适用于需要便携式计算能力的场景，如终端工作、软件开发和远程管理。其开放性设计也使其成为教育和 DIY 项目的理想选择。
总结
piBrick PocketCM5 提供了一种简便的方式来构建高端的树莓派掌上设备，其丰富的功能和开放的设计使其在众多 DIY 项目中脱颖而出。对于希望快速实现便携式 Linux 设备的用户来说，这是一个极具吸引力的选择。
项目概述
本项目旨在构建一个智能电子纸面板，能够显示距离下一个公共假期还有多少天。该项目使用了Seeed Studio的硬件和Seeed_GFX库，通过Arduino进行编程。
https://www.hackster.io/550345/time-project-clock-92c49e
用到的硬件清单
Seeed Studio XIAO ePaper Display Board (ESP32-S3) - EE04 Seeed Studio Monochrome ePaper Display 5.83" Arduino IDE
实现的功能
该项目的电子纸面板能够显示距离下一个公共假期的天数。用户无需频繁查看日历，面板会自动联网获取当前时间和假期信息，并在电子纸上显示结果。
技术亮点
使用电子纸显示器，其仅在刷新图像时消耗电力，非常节能。 通过NTP服务器获取当前时间，确保时间的准确性。 使用Nager.date API获取全球多个国家的假期信息，支持国际化。 通过HTTPS请求获取数据，确保数据传输的安全性。
实现方案分析
- 获取当前日期：通过ESP32-S3的RTC和NTP服务器获取当前时间。
- 获取假期列表：使用Nager.date API，通过HTTPS GET请求获取假期数据。
- 计算最近假期：将假期日期转换为epoch格式，与当前日期进行比较，找出最近的假期。
- 显示结果：使用Seeed_GFX库在电子纸上显示剩余天数。
可复用价值 / 应用场景
该项目可以用于办公室、家庭等场合，帮助用户轻松了解下一个假期的到来时间。由于其低功耗特性，也适合用于需要长时间显示信息的场合。
总结
通过结合电子纸显示技术、网络时间协议和API数据获取，本项目实现了一个实用且节能的假期倒计时面板。它展示了如何利用现代技术简化日常生活中的小问题。
项目概述
工程师Jorge Holgado Alvarez通过PicoDMG项目，将经典的任天堂Game Boy掌上游戏机现代化，使用Raspberry Pi的RP2040或RP2350微控制器替代原有的硬件。
https://www.hackster.io/news/jorge-holgado-alvarez-s-picodmg-modernizes-the-nintendo-game-boy-with-an-rp2040-rp2350-717be568252e
用到的硬件清单
Raspberry Pi Pico 2 W微控制器 1.8" TFT显示屏 原装Game Boy按钮板 NFC卡 microSD存储卡
实现的功能
PicoDMG项目通过使用现代微控制器和显示技术，重建了Game Boy的功能。用户可以通过NFC卡选择游戏，游戏从microSD存储中加载，而不是使用传统的游戏卡带。显示屏升级为240×320彩色LCD，支持背光显示。
技术亮点
使用RP2040-GB Pico-GB模拟器，优化性能以接近真实Game Boy。 手工焊接的原型板，精确切割以适应原始Game Boy外壳。 NFC卡实现游戏选择，简化了游戏加载过程。
实现方案分析
该项目从一个简单的概念验证开始，逐步发展为完整的替代主板。通过使用RP2040微控制器和开源模拟器，项目实现了对原始Game Boy功能的现代化改造。手工焊接的原型板展示了DIY精神和对细节的关注。
可复用价值 / 应用场景
PicoDMG项目展示了如何利用现代微控制器和显示技术复刻经典游戏机，适合电子爱好者和复古游戏爱好者。其设计理念和实现方法可以应用于其他复古设备的现代化改造。
总结
PicoDMG项目不仅是对经典Game Boy的致敬，也是对现代技术在复古设备中应用的探索。通过使用RP2040微控制器和开源模拟器，项目实现了功能的现代化和用户体验的提升。
项目概述
动作捕捉（Mocap）技术已经在电影和电子游戏行业中得到了广泛应用，但其高昂的成本使得只有预算充足的工作室才能负担得起。Dennis 开发了一种基于 Raspberry Pi 的 DIY 动作捕捉系统，旨在提供一个经济实惠的替代方案，甚至可以与好莱坞的系统相媲美。
https://www.hackster.io/news/a-diy-raspberry-pi-based-mocap-system-to-rival-hollywood-a0f87382c7a1
用到的硬件清单
文中明确提到的硬件包括： - Raspberry Pi Compute Module 5 - 摄像头模块（支持 120fps） - 2.5kW 红外 LED 频闪灯
实现的功能
该系统通过多个摄像头跟踪演员或物体上的标记点。当至少三个摄像头可以看到一个标记时，计算机可以计算出该标记在三维空间中的位置。系统能够实时输出标记的三维坐标，并适用于无人机和机器人等闭环控制应用。
技术亮点
自制摄像头进行图像处理，支持 120fps 的高帧率视频录制。 集成红外 LED 频闪灯以减少运动模糊。 实时计算标记点的三维坐标。 内核级优化以提高数据处理速度。
实现方案分析
Dennis 设计的摄像头每秒需要处理 120 帧图像，并与其他摄像头保持同步。为此，他在内核级别进行了优化，包括在摄像头完成数据传输之前开始处理每一帧，以实现所需的性能。
可复用价值 / 应用场景
该系统的实时性和高精度使其适用于无人机、机器人等需要精确运动控制的场景。此外，由于其成本效益高，可能会吸引更多小型工作室和个人开发者使用。
总结
Dennis 的 DIY 动作捕捉系统展示了 Raspberry Pi 在高性能计算中的潜力。虽然目前尚未公布完整的性能数据，但该系统的设计和实现已经显示出巨大的潜力，值得期待其未来的表现。