发布日期:2026-11-17

语音助手已成为耳机、音箱与话务类产品的标配功能,而体验的第一道门槛就是唤醒。关键词检测(Keyword Spotting,KWS)负责在设备端实时监听唤醒词,决定产品是"一叫就应"还是"叫了没反应"。本文从链路架构、算法选型与工程调优三方面,解析低功耗关键词检测方案的设计要点,为品牌商与产品经理提供选型参考。


正文

什么是关键词检测(KWS)

关键词检测是一种在设备本地运行的轻量级语音识别任务:芯片持续采集麦克风信号,提取声学特征后送入小型神经网络,判断当前音频中是否出现预设的唤醒词(如"小X小X")。与云端语音识别不同,KWS 只做"是不是唤醒词"的二分类或少量类别的判决,计算量小、响应快、不上网也能工作。对 TWS 耳机、智能音箱、话务耳机等产品而言,KWS 是语音交互链路的第一级闸门,直接决定唤醒成功率与用户第一印象。

低功耗唤醒链路:VAD 与 KWS 分级把关

电池供电产品不能让神经网络全程满负荷运行,主流做法是分级唤醒链路:第一级用低功耗 VAD(语音活动检测)判断是否存在人声,只有检测到语音才启动第二级 KWS 判别;确认命中唤醒词后,才开启完整语音识别与联网请求。以常见蓝牙音频 SoC 为例,VAD 待机监听电流可控制在微安至毫安级,KWS 短时突发运算占空比低,整机待机功耗增量可以压到对续航影响可忽略的水平。力为电子在设计语音交互类方案时,会把 VAD 阈值、监听窗口与芯片休眠策略一起调,避免"省电却漏唤醒"。

模型与特征:MFCC 加小型神经网络

KWS 模型通常采用 MFCC 或 Mel 滤波器组特征,送入 CNN 或 CNN+GRU 结构的小型网络分类,模型体积多在几十 KB 到几百 KB 之间,可直接跑在音频 SoC 或协处理器上。工程上需要在唤醒率、误唤醒率与算力三者间取舍:模型小则功耗低,但抗噪能力下降;网络加深则准确率提升,但推理功耗与内存占用上升。自定义唤醒词需要录制覆盖不同性别、口音与距离的语料进行训练与验证,评测指标一般要求安静环境唤醒率高于 95%,同时严格控制每 24 小时的误唤醒次数。

工程调优:误唤醒、远场与回声抑制

实机表现不仅取决于模型。误唤醒多来自电视背景声、歌词与环境噪声,需要用负样本训练加双麦克风阵列波束成形来抑制;远场唤醒则依赖麦克风灵敏度、信噪比与回声消除的配合,尤其是设备自身正在播放音乐时,必须先做声学回声消除(AEC)再送 KWS,否则"边放歌边唤醒"很难成立。量产阶段还要做针对性测试:用标准唤醒语料库与噪声语料库回归验证每个批次的一致性,把唤醒率与误唤醒指标写进产线判据。

常见问题

问:关键词检测(KWS)和语音识别(ASR)有什么区别?

答:KWS 只判断音频中是否出现预设唤醒词,是低算力的本地判决任务;ASR 则要把语音完整转成文字,算力与网络依赖都更高。产品通常先用 KWS 唤醒,再启动 ASR 处理后续指令。

问:如何降低语音助手的误唤醒率?

答:一方面在训练阶段加入大量负样本(电视声、歌词、相似发音词),另一方面用双麦阵列做波束定位,只对正前方向敏感;同时设置两级判决阈值,VAD 先滤掉非人声段,KWS 再做最终判别。

问:电池供电产品做语音唤醒,功耗怎么控制?

答:采用 VAD 加 KWS 的分级架构,让神经网络只在有人声时短时运行;配合音频 SoC 的低功耗监听模式与快速休眠策略,把待机增量控制在微安到毫安级,实际续航影响可忽略。

技术要点总结

  • KWS 是语音交互第一级闸门,本地判决、低算力、离线可用,决定唤醒体验
  • VAD 分级唤醒链路是低功耗的关键:微安级监听,有人声才启动 KWS 与 ASR
  • 误唤醒治理靠负样本训练、双麦波束与 AEC 回声消除,量产须写入产线判据

关于力为电子

深圳市力为电子科技有限公司深耕音频方案 PCBA 开发设计10余年,服务15+知名品牌、300+客户,提供语音交互耳机、智能音箱与话务耳机等整套芯片及 PCBA 方案,涵盖低功耗唤醒链路调优与量产测试。欢迎联系力为电子获取定制音频方案。

本文关键词:语音唤醒,关键词检测,KWS,低功耗音频,VAD

相关文章推荐