唤醒与否：通过逐次细化降低关键词误报

关键词唤醒系统持续处理音频流以检测关键词。设计此类系统最具挑战性的任务之一是降低误报，即当关键词未被说出时系统错误地记录了关键词。在本文中，我们针对该问题提出了一种简单而优雅的解决方案，该方案源自全概率律。我们表明，可以通过逐次细化来改进现有的深度关键词唤醒机制，即系统首先分类输入音频是否为语音，接着分类输入是否类似于关键词，最后分类说出了哪个关键词。我们展示了在参数规模从 13K 到 2.41M 的多个模型中，逐次细化技术在域内留出误报数据上将误报最多降低了 8 倍，在域外误报数据上最多降低了 7 倍。此外，我们提出的方法是“即插即用”的，可应用于任何深度关键词唤醒模型。