Bài báo này phân tích những thay đổi về hiệu suất khi triển khai mạng nơ-ron âm thanh quy mô lớn, được đào tạo trước trên các thiết bị hạn chế tài nguyên như Raspberry Pi. Chúng tôi nghiên cứu thực nghiệm tác động của nhiệt độ CPU, chất lượng micrô và âm lượng tín hiệu âm thanh đến hiệu suất, cho thấy nhiệt độ tăng do sử dụng CPU liên tục sẽ kích hoạt cơ chế tự động làm chậm của Raspberry Pi, ảnh hưởng đến độ trễ suy luận. Hơn nữa, chúng tôi chứng minh rằng chất lượng micrô và âm lượng tín hiệu âm thanh trên các thiết bị giá rẻ như Google AIY Voice Kit ảnh hưởng đến hiệu suất hệ thống. Chúng tôi gặp phải những thách thức đáng kể liên quan đến khả năng tương thích thư viện và các yêu cầu về kiến trúc bộ xử lý độc đáo của Raspberry Pi, khiến quá trình này không đơn giản như máy tính (PC) tiêu chuẩn. Những quan sát này có thể giúp các nhà nghiên cứu phát triển các mô hình học máy nhỏ gọn hơn, thiết kế phần cứng tản nhiệt và lựa chọn micrô phù hợp khi triển khai các mô hình AI trên các thiết bị biên cho các ứng dụng thời gian thực.
