摘要

本文介绍了一种基于两阶段时延神经网络（Time Delay Neural Network, TDNN）的实时关键词检测新方法。该模型采用迁移学习进行训练：首先使用大规模语音语料库中的音素目标进行初步训练，然后使用较小数据集中的关键词目标进行进一步训练。系统的准确性在两个独立的任务中进行了评估。第一个任务是公开可用的Google语音命令数据集；第二个任务是我们专门为关键词检测开发的内部任务。结果显示，与已知的先前技术相比，该系统在清洁和嘈杂环境中均显著降低了误接受率和误拒绝率。此外，我们还研究了多种减少每秒音频乘法运算次数的技术。与最近发表的工作相比，所提出的系统在计算复杂度方面最高可节省89%的资源。