NTC-KWS: 面向鲁棒关键词检索的噪声感知 CTC

近年来，设计占用资源少且有效的基于连接时序分类的关键词检索（CTC-KWS）系统日益受到关注。它们通常部署在低资源计算平台上，在这些平台上，对模型大小和计算能力的限制在复杂声学场景下造成瓶颈。此类约束通常会导致过拟合以及关键词与背景噪声之间的混淆，进而导致高误报率。为了解决这些问题，我们提出了一种基于噪声感知 CTC 的 KWS（NTC-KWS）框架，旨在增强模型在噪声环境中的鲁棒性，特别是在极低信噪比下。我们的方法在基于加权有限状态转换器（WFST）图的训练和解码过程中引入了两个额外的噪声建模通配符弧：用于处理噪声插入错误的自环弧，以及用于处理过度噪声引起的掩蔽和干扰的旁路弧。在干净和带噪的 Hey Snips 上的实验表明，NTC-KWS 在各种声学条件下均优于最先进的（SOTA）端到端系统和 CTC-KWS 基线，在低信噪比场景下表现尤为出色。