小占用关键词 spotting 的进展：高效模型与算法的综合综述
音频与语音处理
2025-06-16 v1 声音
摘要
小占用关键词 spotting (SF-KWS) 在当今智能语音激活设备、智能手机和物联网 (IoT) 应用的格局中获得了普及。这一热潮归功于深度学习的进步，使得能够从连续的词语流中识别预定义的词或关键词。为了在现实场景中将 SF-KWS 模型部署在低功耗和内存受限的边缘设备上，一个高效的微型机器学习 (TinyML) 框架是必不可少的。在本研究中，我们探索了七种不同类别的技术，即模型架构、学习技术、模型压缩、注意力感知架构、特征优化、神经网络搜索和混合方法，这些技术适合用于开发 SF-KWS 系统。这一全面的概述将为那些希望了解、利用或为 SF-KWS 领域做出贡献的人提供宝贵的资源。本工作中进行的分析能够识别出众多潜在的研究方向，涵盖了来自自动语音识别研究的见解以及专门与口语 SF-KWS 领域相关的见解。
引用
@article{arxiv.2506.11169,
title = {Advances in Small-Footprint Keyword Spotting: A Comprehensive Review of Efficient Models and Algorithms},
author = {Soumen Garai and Suman Samui},
journal= {arXiv preprint arXiv:2506.11169},
year = {2025}
}
备注
61 pages, 21 figures