KWS（唤醒词检测）

简介

KWS 是用于检测音频中特定唤醒词的模块。它通常是语音交互的第一步，设备检测到唤醒词后，会进入等待语音指令状态。

AIVoice 支持固定唤醒词，自定义唤醒词两种方案。固定唤醒词模型，可以在低资源的情况下，取得不错的性能，而自定义唤醒词模型，则可以满足用户随意修改唤醒词的需求。

方案	训练数据	可选唤醒词	方案特点
固定唤醒词	特定唤醒词	训练数据所用唤醒词	性能更好，模型更小
自定义唤醒词	通用数据	与训练数据相同语种的任意自定义唤醒词	更灵活

当前 SDK 中提供了一个中文固定唤醒词模型和一个中文自定义唤醒词模型。

固定唤醒词

• 支持唤醒词 小强小强 或 你好小强。

• 其他唤醒词支持，可以通过定制服务提供。

自定义唤醒词

• 语种，只支持中文。

• 唤醒词个数，支持同时设置最多 5 个唤醒词。

• 唤醒词字数，一个词包含 3-6 个字，不在此范围为无效。

• 唤醒词选择建议

  • 字拼音不包含零声母，比如，音，一。

  • 不要选择日常用语，比如，穿衣服，吃早饭。

  • 相临声韵母区分度大。

KWS 模式

AIVoice 支持单路，多路两种模式。单路即以一路音频作为输入，而多路可以同时输入多路音频。多路模式相比单路可以提升 KWS 和 ASR 的准确率，但同时计算资源和内存使用也会上升。两种模式可以针对不同场景使用。

KWS模式	函数	特点
单路模式	void rtk_aivoice_set_single_kws_mode(void)	更少的计算量和内存占用
多路模式	void rtk_aivoice_set_multi_kws_mode(void)	更高的唤醒率和识别率

注意

在这些流程中，创建实例之前必须设置 KWS 模式：

• aivoice_iface_full_flow_v1

• aivoice_iface_afe_kws_v1

• aivoice_iface_afe_kws_vad_v1

算法流程

• 单路模式

• 多路模式

配置

KWS 可配参数

keywords:

唤醒关键字， 可选的关键字取决于 KWS 模型。如果 KWS 模型是固定唤醒词方案，则只能从训练过的单词中选择。对于自定义唤醒词方案，可以使用该语言建模单元的任意组合来定制关键字（例如中文拼音）。示例：xiao-qiang-xiao-qiang。

thresholds:

唤醒阈值，范围[0, 1]。值越高，误唤醒越少，但更难唤醒。如果要使用灵敏度，该值需要设为 0。

sensitivity:

提供预先调好阈值的三档灵敏度，灵敏度越高，更容易唤醒，但误唤醒也越多。 灵敏度仅在阈值设置为 0 时有效。

详情请参考 ${aivoice_lib_dir}/include/aivoice_kws_config.h。

阈值调整建议

• 阈值从小变大，唤醒率逐渐变小，误唤醒也变少，即灵敏度从高到低变化。用户可以根据实际使用需要，选择合适的阈值。

• 固定唤醒词模型，提供三档灵敏度高，中，低分别对应误唤醒 1 次/12h,1 次/24h,1 次/48h。如需更精细的调整，用户可以设置 thresholds 适配使用场景，建议调整步长为 0.02。

• 自定义唤醒词模型，相比固定唤醒词，阈值通常较低，建议调整步长为 0.005。