본 논문은 사전 훈련된 대규모 오디오 신경망을 라즈베리 파이와 같은 자원 제약 장치에 배포할 때 성능 변화를 분석합니다. CPU 온도, 마이크 품질, 오디오 신호 볼륨이 성능에 미치는 영향을 실험적으로 연구하여, 지속적인 CPU 사용으로 인한 온도 상승이 라즈베리 파이의 자동 속도 저하 메커니즘을 작동시켜 추론 지연 시간에 영향을 미침을 밝힙니다. 또한, Google AIY Voice Kit와 같은 저렴한 장치의 마이크 품질과 오디오 신호 볼륨이 시스템 성능에 영향을 준다는 것을 보여줍니다. 라즈베리 파이의 라이브러리 호환성 및 고유한 프로세서 아키텍처 요구 사항과 관련된 상당한 어려움을 경험했으며, 이는 일반 컴퓨터(PC)와 비교하여 프로세스를 덜 간편하게 만듭니다. 이러한 관찰은 향후 연구자들이 실시간 애플리케이션을 위한 엣지 장치에 AI 모델을 배포할 때 더욱 컴팩트한 머신 러닝 모델을 개발하고, 열 방산 하드웨어를 설계하며, 적절한 마이크를 선택하는 데 기여할 수 있습니다.