SpacemiT AI SDK 是面向进迭时空 K 系列芯片适配的 AI 能力集合仓库。本仓库以 Git Submodule 的方式组织各组件代码，便于按需拉取、独立演进与集成。
本仓库包含（以子仓库形式）：
- 计算机视觉（
vision/）：检测/分类/分割/跟踪/人脸/姿态等，提供 C++/Python 统一接口与丰富示例 - 语音：
vad/：语音活动检测（VAD）asr/：语音识别（ASR）tts/：语音合成（TTS）
- 自然语言（
llm/）：对接 OpenAI 兼容服务（如llama-server），提供llm_chat等示例便于快速体验与集成 - 多模态（
vlm/）：视觉语言模型相关能力
说明：各组件示例请直接参考对应子仓库目录中的
examples/与 README。
AI SDK 关键目录速览（本仓库根目录即组件目录）：
vision/：计算机视觉 SDK +examples/asr/：语音识别 SDK（统一 API + 示例）tts/：语音合成 SDK（统一 API + 示例）vad/：语音活动检测 SDK（统一 API + 示例）llm/：大模型 SDK（OpenAI 兼容服务对接 + 示例）
各组件对外头文件（C++ API 入口，最终以组件 README 为准）：
- Vision：
vision/include/vision_service.h - ASR：
asr/include/asr_service.h - TTS：
tts/include/tts_service.h - VAD：
vad/include/vad_service.h - LLM：
llm/include/llm_service.h
本仓库使用 Git Submodule 管理各组件源码，推荐递归拉取：
git clone --recurse-submodules https://github.com/spacemit-com/ai-sdk.git
# 或 SSH
#git clone --recurse-submodules git@github.com:spacemit-com/ai-sdk.git如果你已经 clone 了主仓库但没拉子仓库：
cd ai-sdk
git submodule update --init --recursive本仓库以 submodule 方式聚合各组件源码；
# source环境变量
source build/envsetup.sh
# 一键编译应用
# 第一次编译时间会长一点，编译会自动安装各组件依赖，请耐心等待
m如果你只想在 SDK 中单独编译某个组件，可以进入对应目录执行 mm（同样需要先 source build/envsetup.sh）：
source build/envsetup.sh
cd asr && mm
# 或
cd vision && mm
cd tts && mm
cd vad && mm
cd llm && mm构建产物通常会安装到 output/staging（以 SDK 工程为准）。
说明：示例下载的模型/资源会缓存到用户目录（以组件 README 为准），常见默认目录为
~/.cache/models/与~/.cache/assets/。
步骤 1：下载模型
# 下载所有 vision 示例模型（会放到 ~/.cache/models/vision/ 下面）
bash vision/scripts/download_all_models.sh步骤 2：下载资源文件（图片/视频）
# 下载示例用图片/视频资源（会放到 ~/.cache/assets/ 下面）
bash vision/scripts/download_assets.sh默认目录：
- 模型：
~/.cache/models/vision/ - 资源：
~/.cache/assets/
步骤 3：运行示例
以下为 vision/examples/ 下常见示例的运行命令（以实际安装到 PATH 的可执行文件/脚本为准；更多参数请参考对应示例目录 README）：
# 人脸识别（相似度）
arcface vision/examples/arcface/config/arcface.yaml
# 人脸检测
yolov5-face vision/examples/yolov5-face/config/yolov5-face.yaml
# 手势检测
yolov5_gesture vision/examples/yolov5_gesture/config/yolov5_gesture.yaml
# 目标检测
yolov8 vision/examples/yolov8/config/yolov8.yaml
yolov11 vision/examples/yolov11/config/yolov11.yaml
# 姿态估计
yolov8_pose vision/examples/yolov8_pose/config/yolov8_pose.yaml
# 实例分割
yolov8_seg vision/examples/yolov8_seg/config/yolov8_seg.yaml
# 图像分类 / 情绪识别
resnet vision/examples/resnet/config/resnet50.yaml
emotion vision/examples/emotion/config/emotion.yaml
# 多目标跟踪（视频/摄像头）
# 以下两个示例是实时画面显示目标跟踪，需要接上屏幕，否则会报错
bytetrack vision/examples/bytetrack/config/bytetrack.yaml
ocsort vision/examples/ocsort/config/ocsort.yaml步骤 1：下载音频资源（示例音频）
mkdir -p ~/.cache/models/assets/audio
cd ~/.cache/models/assets/audio
wget https://archive.spacemit.com/spacemit-ai/model_zoo/assets/audio/001_zh_daily_weather.wav更多音频资源可在 音频资源目录 按需下载。
步骤 2：运行示例
# 识别 wav 文件（示例）
asr_file_demo ~/.cache/models/assets/audio/001_zh_daily_weather.wav
# 流式识别(示例，需要外接音频输入设备)
asr_stream_demo -l # 查看音频设备号
asr_stream_demo -i 0 -t 5 # 其中 -i 为输入音频设备号运行示例
# 简单合成（默认参数）
tts_file_demo
# 指定文本与后端（示例）
tts_file_demo -p "你好世界" -l matcha:zh
# 流式合成（示例，需要外接音频输出设备）
tts_stream_demo -l # 查看音频设备号
tts_stream_demo -o 0 --output 48000 --channels 2 -e matcha:zh-en # -o 为音频输出设备号运行示例
# 内置模拟音频测试
vad_simple_demo步骤 1：下载模型（GGUF 示例）
mkdir -p ~/.cache/models/llm
cd ~/.cache/models/llm
wget https://archive.spacemit.com/spacemit-ai/model_zoo/llm/qwen2.5-0.5b-instruct-q4_0.gguf如需体验更多模型，可查看 LLM 模型目录 按需下载。
步骤 2：启动 OpenAI 兼容服务并调用示例
# 启动服务（8080）
llama-server -m ~/.cache/models/llm/qwen2.5-0.5b-instruct-q4_0.gguf -t 8 --port 8080 &
# 调用 SDK 示例程序
llm_chat "你好" "http://localhost:8080/v1" "qwen2.5-0.5b" "You are a helpful assistant." 256若使用云端/远端 OpenAI 兼容服务，只需将第 2 个参数替换为云端的 api_base，并通过环境变量传入 API Key，例如：
export OPENAI_API_KEY=你的云端key
llm_chat "你好" "https://api.deepseek.com" "deepseek-chat" "You are a helpful assistant." 256更多使用说明请参看 SpacemiT AI SDK 文档。