面向小型化设备的关键词识别：超匹配滤波器方法
音频与语音处理
2025-08-08 v1 机器学习
声音
摘要
开放词汇关键词检测（open-vocabulary keyword spotting, KWS）指的是在语音录音中检测单词或术语，这些单词或术语不论是否包含在训练数据中。本文介绍了一种在小型化设备上具备最先进检测精度的开放词汇关键词识别模型。该模型由语音编码器、目标关键词编码器和检测网络组成。语音编码器可以是 tiny Whisper 或 tiny Conformer。目标关键词编码器实现为一个超网络，该网络以字符字符串形式接收 desired keyword，并为卷积层生成一组唯一的权重，可视为关键词特定的匹配滤波器。检测网络使用匹配滤波器权重执行关键词特定的卷积，从而引导 Perceiver 模块的跨注意力机制，以确定目标术语是否出现在录音中。结果表明，我们的系统在检测性能方面达到最先进水平，并在包括第二语言（L2）语音在内的跨域条件下具有良好的泛化能力。值得注意的是，我们最小的模型仅包含 420 万参数，便可匹配或超越几倍大小的模型，展现出高效和稳健的特性。
引用
@article{arxiv.2508.04857,
title = {Keyword Spotting with Hyper-Matched Filters for Small Footprint Devices},
author = {Yael Segal-Feldman and Ann R. Bradlow and Matthew Goldrick and Joseph Keshet},
journal= {arXiv preprint arXiv:2508.04857},
year = {2025}
}
备注
pre-print