HEiMDaL：一种用于唤醒词检测与定位的高效方法
音频与语音处理
2022-10-28 v1 机器学习
声音
摘要
流式关键词 spotting 是激活语音助手的广泛采用的解决方案。基于深度神经网络与隐马尔可夫模型（DNN-HMM）的方法已被证明高效且在该领域被广泛采用，主要原因在于其能够以低计算成本检测并识别唤醒词的起止点。然而，此类混合系统在 DNN 与 HMM 独立训练时存在损失度量不匹配的问题。由于操作固有的马尔可夫特性，序列判别训练无法完全缓解损失度量不匹配。我们提出了一种低占用 CNN 模型，称为 HEiMDaL，用于在流式条件下检测并定位关键词。我们引入了一种基于对齐的分类损失来检测关键词的出现，并辅以偏移损失来预测关键词的起始位置。HEiMDaL 在检测指标上降低了 73%，同时保持与现有 DNN-HMM 风格模型同等的定位精度，并在给定唤醒词下具有相同的内存占用。
引用
@article{arxiv.2210.15425,
title = {HEiMDaL: Highly Efficient Method for Detection and Localization of wake-words},
author = {Arnav Kundu and Mohammad Samragh Razlighi and Minsik Cho and Priyanka Padmanabhan and Devang Naik},
journal= {arXiv preprint arXiv:2210.15425},
year = {2022}
}