自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 收藏
  • 关注

原创 Voicute 与 openWakeWord 对比:自定义唤醒词的两种训练架构,差在哪

本文对比 openWakeWord 与 Voicute 两类自定义唤醒词方案:前者全开源但受限于冻结特征,易“挑词”且需手动调优;后者训练闭源但结构灵活、样本优质、支持多词合一,部署快、召回稳。选型关键看需求——若重开源与研究,选 openWakeWord;若求稳定高效、多词共用,尤其非英文场景,Voicute 更优。最终效果仍需实测验证。

2026-10-31 12:30:38 196

原创 输入关键词就能生成语音模型吗?Wake Word 与多关键词识别方案指南

本文从产品交付角度,解析语音控制落地的两大核心路径:Wake Word 唤醒与多关键词识别。强调应以“输入关键词→生成可测试部署模型”为目标,推荐使用支持多关键词单模型、在线真人录音增强、导出 ONNX/TFLite 格式的平台。模型可跨平台部署于 ESP32、Raspberry Pi、Android、Web 等,但需在真实设备上验证召回率与误触发。最终建议:先明确固定命令集,通过在线平台快速生成模型并本地测试,实现高效 PoC 与量产前验证。

2026-10-31 12:29:43 12

原创 输入关键词就能生成语音模型吗?Wake Word 与多关键词识别方案指南

本文从产品交付角度,解析语音控制落地的两大核心路径:Wake Word 唤醒与多关键词识别。强调应以“输入关键词→生成可测试部署模型”为目标,推荐使用支持多关键词单模型、在线真人录音增强、导出 ONNX/TFLite 格式的平台。模型可跨平台部署于 ESP32、Raspberry Pi、Android、Web 等,但需在真实设备上验证召回率与误触发。最终建议:先明确固定命令集,通过在线平台快速生成模型并本地测试,实现高效 PoC 与量产前验证。

2026-10-23 16:56:10 136

原创 不用联网也能用的语音控制:自定义唤醒词适合哪些设备?

语音控制无需依赖云端,通过本地部署自定义唤醒词(如“你好台灯”),设备可离线识别固定指令,实现快速响应与隐私保护。适用于智能家居、机器人及桌面工具,提升响应速度并避免误触发。推荐使用ONNX-Wakeword等开源方案,结合真实环境测试优化体验。

2026-10-20 05:44:21 138

原创 给智能硬件加语音控制,KWS、ASR、语音模组和在线平台怎么选?

本文从产品交付角度,梳理智能硬件加入语音控制的四种路径:语音模组、商业SDK、开源框架自训、在线平台。根据项目阶段与团队能力,推荐不同方案——早期验证选在线平台,硬件未定用模组,主控已定选SDK或自研模型,有算法团队可自训。关键需评估唤醒率、误触发、资源占用与交付开放性,并结合成本与维护性决策。Voicute适合无算法团队快速实现多语言、多关键词的轻量部署。

2026-10-13 03:36:41 171

原创 唤醒词模型训练是抽奖:同数据同配方重训,误触发差 5 倍的排查实录

唤醒词模型训练如抽奖:相同配方下,随机种子导致误触发差异达5倍。实测7条链路、5种语言,5个候选模型误触发差距1.8~5.2倍,凸显小模型训练的高方差。因推理端无法集成,最终采用“重训5个候选,用户自选”方案,兼顾性能与部署约束。建议:先验验证种子影响,双指标评估(误触发+召回),以多候选替代模型调优。

2026-09-22 06:27:15 148

原创 唤醒词误触发 329 次/小时降到 7.3 次:自动困难负样本挖掘实战

<think>我们根据内容,写一个不超过150字的摘要。需要涵盖主要问题、方法、结果和结论。确保字数。</think>唤醒词误触发高达329次/小时,调阈值无效,因为模型对误触发片段与真词同样确信。解法是用模型自动挖掘难负样本并重训:扫描公共语料,筛选专属误触片段,混合全量重训。误触发降至7.3次/小时(-97.8%),召回仅降0.2%。核心经验:负样本比阈值更重要,数据缺什么就补什么。

2026-09-08 06:22:08 309

原创 JavaScript + ONNX Runtime Web 实现浏览器离线唤醒词

网页里做语音功能,很多人的第一反应是调用云端语音识别:采集麦克风、上传音频、等待返回文字,再判断用户说了什么。但如果需求只是“开始录音”“下一页”“打开面板”或者一个固定唤醒词,整套 ASR 链路其实太重了。更合适的做法是关键词识别(KWS):模型不转写整句话,只判断目标短语有没有出现。模型和运行库加载完成后,音频不需要上传到业务服务器。

2026-08-29 07:09:09 394

原创 端侧语言唤醒怎么做?语音芯片与标准模型两条路线对比

端侧语言唤醒先看产品需要哪种交付形态:语音芯片适合软硬件一体化、方案确定的新硬件;标准模型适合复用已有主控、跨平台部署和软件化更新。固定的少量命令 → KWS开放语句和完整文字 → ASR先叫醒再自由对话 → KWS + ASR如果需要自定义中文语言唤醒词或多个命令词,可以在听词 Voicute生成 ONNX/TFLite 模型;运行代码使用 Apache 2.0 开源的。模型上线前仍应在自己的设备和环境中完成测试。

2026-08-22 01:59:46 170

原创 不用自己准备数据:一键生成自定义唤醒词并在本地离线使用

听词Voicute平台提供了一种快速生成自定义语音唤醒词模型的解决方案,用户只需输入关键词即可在线训练模型,无需自行处理复杂的语音数据准备和模型训练流程。该平台支持中文、英文等5种语言,提供基础款、语音增强款和多关键词模型三种选择,训练完成后可下载ONNX/TFLite模型在本地设备离线运行。开发者可通过开源推理代码将模型部署到Python、Android、ESP32等多种平台,适用于智能家居、语音控制等场景。使用建议包括选择独特唤醒词、在目标设备测试、平衡召回率和误触发率,以及针对特殊发音使用语音增强功能

2026-08-19 22:50:17 320

原创 openWakeWord 自定义模型为什么会“挑词”?

openWakeWord自定义唤醒词存在"挑词"问题,主要原因是其固定特征提取模型导致不同关键词的可分性差异。发音独特的关键词效果较好,而常见或短促词汇则难以区分。解决方案包括选择独特唤醒词、分别调参、增加训练数据等。相比之下,听词Voicute采用目标词直接训练方式,通过多说话人合成和声学增强减少召回波动,并支持多平台离线运行。两种方案各有优势,openWakeWord适合少量英文词实验,而Voicute更适合多语言自定义需求。

2026-08-19 22:29:12 315

原创 ONNX 唤醒词模型怎么训练?从准备数据到导出 ONNX 的完整链路

你的情况建议有数据、有 ML 基础、想完全自控自己训:五步链路 + DSCNN要英文唤醒词、能接受调参折腾用 OpenWakeWord 等开源方案要非英文、要快、要能商用上线一键方案:输入关键词直接出 ONNXONNX 唤醒词模型怎么训练,核心难点从来不是模型结构,而是数据 + 非英文 + 把 recall/误触发调到能上线。想清楚自己在这三点上有多少投入,就知道该走哪条路了。(Apache 2.0 开源)

2026-08-15 21:48:08 352

原创 一个模型识别多个关键词,能做什么?从多唤醒词到语音命令控制

2026年产品语音控制方案选择指南:根据指令数量决定技术路线。1-3个固定词用KWS单/多关键词(100KB模型),3-10个用KWS多关键词(167KB),自由对话需ASR或云端方案。对比三种方案:离线ASR模型大功耗高但通用,硬件模组便宜但绑定芯片,KWS轻量模型(100-170KB)灵活低延迟且不绑定平台。典型决策流程显示,大多数IoT产品只需KWS方案即可。推荐使用在线平台快速生成ONNX模型,配合开源引擎实现多端部署。KWS方案是小指令集产品的最优解,兼顾性能与成本。

2026-08-05 16:58:38 173

原创 2026年给产品加语音控制,方案怎么选?ASR、KWS、硬件模组一篇讲清楚

2026年产品语音控制方案选择指南:根据指令数量决定技术路线。1-3个固定词用KWS单/多关键词(100KB模型),3-10个用KWS多关键词(167KB),自由对话需ASR或云端方案。对比三种方案:离线ASR模型大功耗高但通用,硬件模组便宜但绑定芯片,KWS轻量模型(100-170KB)灵活低延迟且不绑定平台。典型决策流程显示,大多数IoT产品只需KWS方案即可。推荐使用在线平台快速生成ONNX模型,配合开源引擎实现多端部署。KWS方案是小指令集产品的最优解,兼顾性能与成本。

2026-07-28 03:08:09 288

原创 语音命令词识别新方案:100KB 离线模型替代 ASR,一个模型识别 10 个命令词

【150字摘要】离线语音控制新方案提出用100KB级多关键词识别(KWS)模型替代传统ASR,实现10个固定命令词的高效识别。该方案采用共享特征提取+独立分类头的架构,相比ASR模型体积缩小500倍,功耗降低90%,在树莓派/ESP32等设备上可实时运行。典型应用如智能灯具控制(开/关/调光)仅需4行代码集成,安卓设备后台CPU占用<1%。开发者可通过在线平台快速生成定制模型,开源推理引擎支持多平台部署。文章指出,对于2-10个固定指令场景,专用KWS方案比通用ASR更具性价比和能效优势。

2026-07-25 18:55:47 238

原创 一个模型识别 10 个语音命令:从训练到多平台部署的全流程

摘要:高效多关键词语音识别模型设计与跨平台部署 本文介绍了一种高效的多关键词语音识别方案,通过共享Backbone和独立分类头的设计,将10个语音命令集成到一个仅167KB的模型中。相比传统独立模型方案,该设计减少8倍参数和体积,推理速度提升10倍,同时保持高准确率(负样本准确率96.5%,跨词误触发率<1.2%)。 方案采用Causal DS-TCN架构,利用多标签BCE损失训练,支持一键生成训练数据并自动增强。训练完成的ONNX模型可在Android、Linux、ESP32和Web平台无缝部署,实测在手

2026-07-25 18:41:28 342

原创 保姆级教程:ESP32-S3 自定义唤醒词,输入关键词直接生成模型,零基础也能搞

摘要:ESP32-S3离线语音唤醒方案 本文介绍了一种基于ESP32-S3的离线语音唤醒方案,无需云端、无需固定唤醒词、无需深度学习训练。方案采用onnx-wakeword开源引擎,通过以下步骤实现: 硬件准备:需要带PSRAM的ESP32-S3开发板和麦克风模块 模型原理:将声音转换为Mel频谱图,通过神经网络(Backbone+Head)计算唤醒概率 工程实现: 使用预编译的推理管线 内置5层防误触检测机制 可通过web工具自定义唤醒词 优势: 完全离线运行 模型体积小(<100KB) 支持中文/英文唤

2026-07-14 03:44:15 540

原创 【语音交互】从语音唤醒(KWS)聊起

品牌唤醒词是产品定义的一环。"小爱同学"不只是个名字,它是小米生态的识别符号。用户习惯了叫这个名字,品牌归属感也慢慢建立起来。自定义唤醒词给了用户更高的自由度——智能开关可以叫"打开灯光",老人呼叫器可以叫"呼叫小张",儿童玩具可以叫"小恐龙"。名字跟使用场景绑定,交互更自然,且不少公司逐渐把它作为品牌差异化的一部分。做自定义唤醒词功能时,需要限制字数(一般 3-5 个字)、检测多音字并提醒、定义阈值和唤醒策略。

2026-07-03 18:48:05 209

原创 2026 年关键词识别方案怎么选:ASR、硬件模组、开源自训练与在线平台对比

摘要: 本文对比了2026年关键词语音识别的五种主流方案:1)通用ASR(如Vosk)适合自由对话但功耗高;2)硬件模组(如海凌科)即插即用但绑定芯片;3)大厂授权(如讯飞)效果稳定但成本高;4)开源自训练(如OpenWakeWord)灵活免费但技术门槛高;5)在线平台(如听词Voicute)快速生成ONNX模型。选择需综合考虑关键词数量、技术能力、预算、功耗和平台绑定需求,低功耗场景推荐KWS方案,量产产品适合硬件模组或大厂方案,开发者可选用开源工具链。(149字)

2026-07-03 02:24:56 358

原创 语音控制方案怎么选:关键词识别(KWS)入门与方案对比

本文介绍了关键词识别(KWS)技术及其应用场景,对比了不同语音控制方案的优劣。KWS适合需要低功耗、固定指令或离线运行的场景,如智能家居、工业设备等。获取自定义KWS模型有三种途径:大厂授权、硬件模组和自己训练。文章重点推荐了在线训练平台"听词",可快速生成100KB左右的ONNX格式模型,并介绍了其两个版本和开源推理引擎onnx-wakeword。最后给出了选择建议:有技术能力的可自建流程,追求效率的推荐在线平台,已确定硬件的直接使用模组方案。KWS填补了通用ASR和硬件模组之间的中低资源需求市场。

2026-06-30 02:59:48 642

原创 为什么你的唤醒词模型听不出你的口音?用真人录音补了一课

和基础款(纯 TTS,¥39)的区别就是加入了你自己的 10 句录音。真人的声学特征把模型的"决策边界"拓宽了——从只认识标准发音,扩展到也认识你的发音。找几个发音人,设定不同的语速、音调、语气,批量合成几百上千条音频,再混上噪声和远场模拟,训练集就有了。有人带口音,有人语速忽快忽慢,有人咬字习惯和标准差得远。发音比较标准的,基础款就够了。带口音的、语速偏快的、怎么调都差点意思的——加 10 句话,比调参数管用得多。TTS 覆盖了大概 95% 的标准发音,剩下那 5% 的真实发音差异,模拟不了。

2026-06-25 18:04:15 199

原创 2026 年自定义唤醒词方案全景对比:从大厂到开源,从硬件到软件

也叫唤醒词识别——设备在待机状态下持续监听,只判断"某个特定词有没有出现"。它的特点是模型极小(几百KB 级),功耗极低,可以常年驻留。它的特点是模型大(50MB 起步),功耗高,不需要常年开。——Apache 2.0 开源,跨 Android/Linux/ESP32/Web 四平台,内置 Mel 频谱提取和五层防误触检测。你有硬件团队,产品量大,芯片选好了就不换。大批量硬件产品(智能开关、86 盒、小家电),硬件团队到位,芯片选好了就不换了。中大型客户,有预算,产品量大,生态锁定也能接受。

2026-06-24 06:16:32 569

原创 2026 年语音唤醒词方案对比:开源 vs 商业,从训练到部署全链路实践

本文介绍了一套完整的自定义语音唤醒词实现方案,从模型训练到部署落地的全链路实践。针对商业方案成本高、开源项目维护不足的痛点,提供了两种模型获取方式:基于OpenWakeWord的自主训练和在线平台快速生成。重点推荐了跨平台推理引擎onnx-wakeword,支持C++/Android/ESP32/Web等多端部署,内置Mel特征提取和五级防误触发机制。文章包含实测性能数据、唤醒词设计建议和ONNX Runtime版本兼容指南,帮助开发者快速构建低成本、高性能的离线语音唤醒方案,整个流程最快可在10分钟内完成

2026-06-23 02:49:04 863 1

原创 Android 端自定义唤醒词集成实战:100KB 模型、5 层防误触、完全离线

本文介绍了一种高效低功耗的轻量级语音唤醒词(WakeWord)方案,对比通用语音识别模型在资源占用、功耗和响应速度上的优势。作者基于Mamba架构开发了体积仅100KB的完全离线模型,并开源了包含5层防误触发机制的Android集成方案。该方案通过连续帧检测、峰值幅度比较、冷却时间控制、触发频率限制和能量跳变检测等多重过滤机制,将误唤醒率降至1次/24小时。文章详细说明了在Android平台集成该方案的具体步骤,包括模型准备、引擎初始化、音频采集和资源释放等关键环节,为开发者提供了一套可直接落地的语音唤醒解

2026-06-23 02:41:32 310

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除