Aug, 2018

基于数据增强的针对播放干扰的关键词识别技术

PDF
TL;DR本文提出了一种数据增强策略来提高在环境嘈杂的情况下关键词识别，通过利用不同的信号干扰比例和音频污染技术来降低虚警率，取得了 30-45％的相对错误拒绝率的提高。
keyword spottingon-devicefalse reject ratedata augmentation strategyambient noise
发现论文，激发创造
  • 基于语音增强的无监督学习关键词检测

    本文研究了一种基于语音增强的无监督学习方法来解决关键词检测任务，提出了一种 CNN-Attention 模型来处理关键词检测任务，并通过两种语音增强方法来提高模型的稳健性和分类效果，实验表明，这种增强式的无监督学习方法能够进一步提高关键词检测的准确率。

    May, 2022

  • 关键词检索的延迟控制

    论文提出了一种控制关键词检测模型延迟的新方法，通过一个参数可以平衡检测延迟和准确性，并且在与现有方法对比时表现更好，可以在一定的延迟目标下，显著地提高虚警率。

    Jun, 2022

  • 通过自监督预训练实现噪声鲁棒的关键词检测

    使用自我监督学习（SSL）预训练算法 Data2Vec 可以提高关键词识别（KWS）模型在嘈杂环境下的鲁棒性。

    Mar, 2024

  • 从非常嘈杂和混杂的语音中识别关键词

    本文提出了一种新的 Mix Training（MT）策略，用于探测嵌入在强干扰和混合语音中的低能量关键词，使用卷积神经网络（CNN）和 EfficientNet（B0/B2）架构，实验结果在 Google 语音命令数据集上表明，提出的混合训练方法高度有效，优于传统的数据增强和混合训练。

    May, 2023

  • 使用有限和合成的语音数据训练关键词检测器

    本文研究使用合成语音数据为小型的口语术语检测模型训练提取有用特征的预训练语音嵌入模型，相较于在 500 个真实示例上训练模型，只使用合成语音即可达到同等精度。

    Jan, 2020

  • 面向唤醒词检测的数据有效建模

    本研究提供了一种数据高效的跨领域唤醒词模型训练技术，该技术包括多种声学环境的训练管道和半监督学习管道，可以用 10 个小时的领域不匹配的音频来增强模型鲁棒性，并从未经译写的语音语料库中准确提取 WW 和可能相似的例子，所提出的解决方案可节省 97％的具体 WW 数据收集和 86％的注释带宽并达到产业级模型的可比性能。

    Oct, 2020

  • 基于声调增强和声音遮蔽的关键词检测后门攻击

    本文提出了一种基于 Pitch Boosting 和 Sound Masking 的关键词检索（KWS）后门攻击方案（PBSM），实验结果表明可以在污染少于 1% 的训练数据的情况下实现约 90% 的攻击成功率。

    Nov, 2022

  • 利用时延神经网络进行高效的关键词检测

    本文提出了一种利用两阶段时延神经网络进行实时关键词识别的新方法。该模型使用迁移学习进行训练，并在谷歌语音命令数据集和自行开发的关键字识别任务上进行了评估。与以往技术相比，本方法在干净和嘈杂的环境中均显著改善了误接受和误拒绝率，并采用了各种技术来减少计算。此外，与最近发表的研究相比，本文所提出的系统在音频的每秒乘法计算上提供了高达 89％的节省。

    Jul, 2018

  • 使用 Sinc 卷积在原始音频数据上进行小型关键词检测

    本论文提出了一种新的端到端体系结构，并使用参数化 Sinc 卷积直接从原始音频中提取谱特征，实现了关键词的实时分类，其准确度高达 96.4%，序数为 62k。

    Nov, 2019

  • AB/BA 分析：在保持音频隐私的同时估计关键词检测召回率提高的框架

    本研究提出了一种名为 AB/BA 分析的技术，该技术可在隐私约束下，无需负样本即可使用交叉数据集进行相对召回率估计，以及在机器生成的软标签的帮助下进行半监督分析。通过实验，研究表明 AB/BA 分析可成功衡量召回率的改进和相对假阳性率的平衡。

    Apr, 2022