面向设备定向语音检测的自适应知识蒸馏
声音
2025-08-06 v1 人工智能
音频与语音处理
摘要
设备定向语音检测（DDSD）是一项二分类任务，旨在将用户对语音助手（VA）的查询与背景语音或旁侧对话区分开来。这对于实现自然的用户体验至关重要。为此，我们提出利用知识蒸馏（KD）来提升DDSD的准确性，同时确保高效的部署。具体而言，我们引入了一种新颖的自适应KD方法，从ASR大型预训练声学编码器（教师模型）的通用表示中转移知识。我们在（冻结的）教师编码器之上应用了任务特定的适配器，并与学生模型在DDSD任务上联合训练。我们证明，所提出的自适应KD在关键词和非关键词（后续）调用中均优于无蒸馏的学生模型，在等错误率方面分别提升了+26%和+19%。我们还表明，该方法可泛化至transformer和conformer模型架构。
引用
@article{arxiv.2508.02801,
title = {Adaptive Knowledge Distillation for Device-Directed Speech Detection},
author = {Hyung Gun Chi and Florian Pesce and Wonil Chang and Oggi Rudovic and Arturo Argueta and Stefan Braun and Vineet Garg and Ahmed Hussen Abdelaziz},
journal= {arXiv preprint arXiv:2508.02801},
year = {2025}
}
备注
5 pages, 2 figures, Interspeech accepted