基于Res2Net的唤醒词检测
声音
2022-10-03 v1 音频与语音处理
摘要
本文提出一种基于Res2Net的新唤醒词检测系统。作为ResNet的变体，Res2Net最初应用于目标检测。Res2Net通过增加可能的感受野来实现多特征尺度。该多尺度机制显著提升了不同时长唤醒词的检测能力。与基于ResNet的模型相比，Res2Net还显著减小了模型规模，更适于唤醒词检测。所提系统无需任何额外辅助即可从音频流中确定唤醒词位置。该方法在包含两个唤醒词的Mobvoi数据集上得到验证。在每小时0.5次误报率下，系统相较先前工作将两个唤醒词的误拒率降低了逾12%。
引用
@article{arxiv.2209.15296,
title = {Wake Word Detection Based on Res2Net},
author = {Qiuchen Yu and Ruohua Zhou},
journal= {arXiv preprint arXiv:2209.15296},
year = {2022}
}