删除没问题，但是每次切换IDF版本，都要运行一下 install.sh（在安装的时候运行一次） 和 export.sh，导入IDF-PATH等环境变量
你可以使用,查看IDF的路径是否正确
`echo $IDF_PATH`

Please try to modify the version info in `idf_component.yml`

dependencies:
espressif/esp-sr: ">=1.6.0"

可以直接复制相邻像素来做上采样，具体可以看
torch.nn.Upsample: https://pytorch.org/docs/stable/generat ... ample.html

esp-sr和wi-fi是可以一起工作的
你的问题可能得原因： esp-sr和wi-fi同时工作，不同task的CPU和memory分配不合理导致的，你可以重点关注一下

ESP-ADF 和 esp-skainet 底层都是调佣 esp-sr 来实现唤醒词的识别

播放音乐的时候无法唤醒，需要注意是否AEC算法被开启，
1. AFE 初始化的时候有一个 aec_init=True
2. AEC 算法需要输入喇叭播放的回采信号，有些开发板的codec内部有回采信号，有的没有需要手动输入

1. 命令词模型multinet可以单独使用。我们的例子默认和Audio Front End 一起使用，因为这部分包含了双麦克风的语音增强，这样会有更好的识别效果。
2. 如果返回值是 DETECTING ，表示一直在检测中。因为在create 函数的时候会传入一个 time out 时间，按理来说安静环境是不会一直输出 DETECTING的，你可以检查一下输入的buffer 是否正常。建议现在安静环境下测试。

考虑到真实的，复杂的用户场景，需要音频前端增强算法和语音识别模型同时运行，这个在ESP32上是无法实时运行的。我们推荐切换到ESP32-S3芯片的开发板。
ESP32-S3相比ESP32有两大优势，这两个优势导致ESP32-S3在卷积等相关运算上是ESP32的5~10倍，我们现在主要基于ESP32-S3进行优化，ESP32的相关优化优先级比较低。
1. 专门设计的AI 加速指令
2. 支持更快的SPI PSRAM

For Chinese multinet, we also recommend using ESP32-S3, the performance of ESP32-S3 Chinese multinet has a great improvement.

ESP32-S3 has AI instructions and faster PSRAM. In general， the performance of ESP32-S3 on AI is 5~10 times that of ESP32. The parameters of new English Multinet model have exceeded 2M. It is too big to run in real time on ESP32. We strongly recommend that you use the ESP32-S3 board to run AI-related...

We have updated a new "Hi,ESP" model by adding more training samples.
You can pull the latest esp-sr (release/v1.0) to try it. https://github.com/espressif/esp-sr/tree/release/v1.0