面向关键词识别的ImKWS：基于类别不平衡的测试时适应
音频与语音处理
2026-03-09 v1
摘要
关键词识别(KWS)用于语音助手识别单词，但环境噪声常常降低准确率。标准适应方法解决此问题且严格要求原始或标记音频。测试时适应(TTA)仅使用无标记测试音频即可解决数据约束问题。然而，当前方法无法处理稀有关键词与频繁背景声之间的严重不平衡问题。因此，标准熵最小化(EM)会变得过于自信，并严重偏向频繁的背景类。为克服此问题，我们提出一种名为ImKWS的TTA方法。我们的方案将熵过程分为奖励分支和惩罚分支，分别采用不同的更新强度。此外，我们强制执行多个音频变换上的一致性，以确保模型更新的稳定性。在Google Speech Commands数据集上的实验表明，ImKWS在现实的不平衡情景下能够实现可靠的适应。代码已在GitHub上提供。
引用
@article{arxiv.2603.05821,
title = {ImKWS: Test-Time Adaptation for Keyword Spotting with Class Imbalance},
author = {Hanyu Ding and Yang Xiao and Jiaheng Dong and Ting Dang},
journal= {arXiv preprint arXiv:2603.05821},
year = {2026}
}
备注
Submitted to Interspeech