基于量化的分数校准用于噪声环境下动态时间规整的少样本关键词检测
音频与语音处理
2026-01-23 v2 声音
摘要
使用关键词检测(KWS)系统检测关键词的出现需要对连续检测分数进行阈值化。选择合适的阈值是一项非平凡的任务，通常依赖于在验证数据集上优化性能。然而，这种贪婪的阈值选择往往导致在未见数据上性能欠佳，特别是在变化或嘈杂的声学环境或少样本场景中。在这项工作中，我们研究了在噪声语音数据上使用动态时间规整的基于模板的开放集少样本KWS的检测阈值估计。为了缓解次优阈值导致的性能下降，我们提出了一种分数校准方法，该方法在嵌入层通过量化学习到的表示，并在基于DTW的评分和阈值化之前应用基于量化误差的归一化。在模拟高频无线电信道的KWS-DailyTalk上的实验表明，所提出的校准方法简化了鲁棒检测阈值的选择，并显著提高了最终性能。
引用
@article{arxiv.2510.15432,
title = {Quantization-Based Score Calibration for Few-Shot Keyword Spotting with Dynamic Time Warping in Noisy Environments},
author = {Kevin Wilkinghoff and Alessia Cornaggia-Urrigshardt and Zheng-Hua Tan},
journal= {arXiv preprint arXiv:2510.15432},
year = {2026}
}