使用 CNN 准确检测唤醒词的起止端点
音频与语音处理
2022-06-16 v1 机器学习
声音
摘要
小 footprint（占用资源少）的嵌入式设备需要具有小模型规模与检测延迟的关键词 spotting（KWS，关键词 spotting）器以启用语音助手。此类关键词常被称为 wake word（唤醒词），因其用于唤醒支持语音助手的设备。除唤醒词检测外，准确估计唤醒词端点（起点与终点）是 KWS 的一项重要任务。本文提出两种新方法，用于在使用单阶段词级神经网络的神经 KWS 中检测唤醒词端点。我们的结果表明，相较于人工标注，新技术在检测唤醒词端点上给出了高达 50 毫秒标准误差的更优准确度，与传统的声学模型加 HMM 强制对齐相当。据我们所知，这是首个针对单阶段神经 KWS 的唤醒词端点检测方法研究。
引用
@article{arxiv.2008.03790,
title = {Accurate Detection of Wake Word Start and End Using a CNN},
author = {Christin Jose and Yuriy Mishchenko and Thibaud Senechal and Anish Shah and Alex Escott and Shiv Vitaladevuni},
journal= {arXiv preprint arXiv:2008.03790},
year = {2022}
}
备注
Proceedings of INTERSPEECH