概述
它在误报率、漏报率、延迟和功耗之间取得平衡。
深入探讨
唤醒词检测是关键词检测的一种形式。级联系统可以在更昂贵的识别器或助手流水线之前使用低功耗检测器。Hello Edge 研究了微控制器约束下的小规模关键词检测。Google 的研究描述了用于触发短语检测的上下文语音识别。基于帧的置信度阈值可以减少意外激活，但可能会增加漏触发或延迟。Hello Edge 在微控制器资源约束下，针对 Google 语音命令比较了多种关键词检测架构。其深度可分离卷积神经网络（CNN）报告了 95.4% 的准确率，比该评估中参数数量相似的 DNN 高出约 10%。这些结果并非通用的设备或语言保证。基于帧的置信度阈值可以减少意外激活，但可能会增加漏触发或延迟；请在真实音频环境中评估误报率和漏报率。
现实世界的实施
在本地运行一个始终开启的检测器，并触发二级识别器。
在代表性音频上测量误报率和漏报率。
使用对数梅尔频谱图等声学特征作为模型输入。
测试对噪声、口音和背景语音的鲁棒性。
关键词识别和唤醒词的未来
唤醒词模型通过知识蒸馏和硬件感知设计不断改进。在真实的声学条件下评估误报率和漏报率，并设置麦克风和激活的用户控制选项。
付诸实践
为什么这很重要
- 交通与覆盖范围. 它通过转录、旁白和语音界面提高了可访问性。
- 成本与预算. 媒体团队可以用更少的预算更快地交付精美的音频。
- 速度与规模. 面向客户的系统可以处理更大规模的语音交互。
留意
- 如果未征得同意，语音滥用和冒充风险就会增加。
- 由于口音、方言或嘈杂的环境，准确性可能会下降。
- 如果没有明确的标签，合成音频可能会被误认为是真实的语音。
后续步骤
- 获得语音捕获、克隆和重用的明确同意。
- 测试不同扬声器和背景条件下的质量。
- 定义人员必须审查或批准输出的时间。
- 标记合成音频并保留来源记录以供问责。
不断探索
常见问题
什么是关键字识别和唤醒词？
关键词检测在流式音频中检测指定的单词或短语，通常用于激活后续的语音识别或助手阶段。它在误报率、漏报率、延迟和功耗之间取得平衡。
唤醒词检测器的主要工作是什么？
唤醒词检测器不会转录所有内容；它仅在说出所选触发短语时发出信号，以便唤醒主系统。
为什么很多智能音箱都采用两级检测设计？
一个微小的低功耗阶段不断监听，只唤醒一个更有能力的模型进行确认，这使得能源消耗非常低。
唤醒词检测中的“错误接受”意味着什么？
错误接受是一种不需要的触发——系统在实际上没有说出唤醒词时激活。相反的是错误拒绝。
在神经网络看到传入音频之前，大致是如何准备的？
音频被分解为短帧（数十毫秒）并转换为模型可以逐帧评分的紧凑特征。
提高唤醒词检测器的激活阈值会带来什么权衡？
较高的阈值可以减少误激活，但可能会遗漏较安静或发音多变的语音，或者需要更多的证据。请在真实条件下测量误报率和漏报率。