第一章：语音唤醒技术概述
各位同学好，我是你们这门课的老朋友。在嵌入式低功耗领域摸爬滚打了十几年，今天咱们来聊聊语音唤醒这个有意思的话题。
说实话，我第一次接触语音唤醒是在2014年。那时候智能音箱还没普及，我在做一个智能家居的项目。客户要求「说句话就能开灯」，我心想这还不简单？结果一做才发现，坑多着呢。
什么是语音唤醒
语音唤醒，说白了就是让设备一直「竖着耳朵」听，但只对特定的词或短语做出反应。比如你说「小爱同学」、「Hey Siri」、「OK Google」，设备就醒了。
它跟完整的语音识别不一样。完整的语音识别要听懂你说的每一句话，而唤醒只需要判断「是不是那个词」。这就像你家的看门狗——它不需要听懂路人在聊什么，只需要听到陌生人的脚步声就叫两声。
核心要点：语音唤醒是一个二分类问题——「是唤醒词」或「不是唤醒词」。就这么简单，但实现起来可一点都不简单。
应用场景
我这些年做过的项目，语音唤醒的应用场景大致分三类：
智能家居
这是最典型的场景。智能音箱、智能灯、智能空调，都靠语音唤醒。我记得有个客户要求「在客厅里喊一声就能关掉卧室的灯」。嗯，这涉及到远场唤醒的问题，后面我们会详细讲。
- 智能音箱：Amazon Echo、天猫精灵、小度
- 智能家电：语音控制的空调、电视、窗帘
- 智能照明：声控灯、场景切换
可穿戴设备
这个场景对功耗的要求更苛刻。手表、耳机、眼镜，电池就那么点大。你想想看，如果戴个智能手表，喊一声「Hey Watch」就得耗掉10%的电，谁受得了？
我在做TWS耳机的项目时，遇到过最头疼的问题：耳机在耳朵里，麦克风在嘴边，唤醒率倒是高，但功耗也高得吓人。后来我们用了两级唤醒——先用超低功耗的VAD（语音活动检测）判断有没有人说话，再启动完整的唤醒引擎。
车载场景
这个我稍微提一下，虽然不在本课程重点范围内。车载场景的特点是噪声大、回声强。你在高速上开着窗，风噪呼呼的，还要准确唤醒。嗯，这个难度比智能家居高一个量级。
技术挑战
好了，前面说了这么多应用，现在聊聊真正的难点。我踩过的坑，希望你们别再踩一遍。
功耗
这是最大的挑战。语音唤醒要求设备「永远在线」，但电池容量是有限的。你想想看，一个智能灯泡，待机功耗如果超过0.5W，用户就会抱怨「这灯怎么这么费电」。
我个人的习惯是，先把系统功耗拆解成三部分：
| 功耗来源 | 典型占比 | 优化方向 |
|---|---|---|
| 麦克风及模拟前端 | 20-30% | 选低功耗MEMS麦克风 |
| 特征提取 | 15-25% | 硬件加速、降低采样率 |
| 唤醒模型推理 | 40-50% | 模型量化、剪枝、专用NPU |
| 系统其他部分 | 5-15% | 电源管理、时钟门控 |
我的经验：别一上来就想着优化模型。先把系统级的功耗瓶颈找到。我曾经有个项目，优化了半天模型，功耗只降了5%。后来发现是麦克风的偏置电压没关，改了一下就降了30%。
误唤醒
这个坑我踩得最深。有一次做智能家居项目，用户投诉说「我家的电视一听到广告里的『你好』就亮了」。你想想看，这多尴尬。
误唤醒的原因主要有：
- 相似发音：「小爱同学」和「小艾同学」
- 背景噪声：电视声、音乐声被误判为唤醒词
- 多人说话：别人聊天时提到了类似发音
避坑指南：我曾经在测试阶段忽略了「电视背景音」这个场景。结果产品上市后，用户反馈说「看《甄嬛传》时设备一直在唤醒」。后来我们花了两个月重新训练模型，加入了电视背景音的对抗样本。所以，测试场景一定要覆盖全面。
噪声环境
这个挑战跟误唤醒是孪生兄弟。噪声会让唤醒率下降，也会让误唤醒率上升。常见的噪声类型：
- 稳态噪声：空调声、风扇声——相对好处理
- 瞬态噪声：关门声、拍手声——容易误触发
- 人声干扰：别人说话、电视声——最难处理
我个人的做法是，在模型训练阶段就加入各种噪声数据。说白了，就是让模型「见过世面」。你给它看过100种噪声，它就不容易被噪声骗了。
小结
这一章我们聊了语音唤醒是什么、用在哪、难在哪。说白了，语音唤醒就是让设备「听得懂」一个词，同时还要省电、不误报、抗噪声。
后面的章节，我会带大家一步步实现一个低功耗的语音唤醒系统。从硬件选型到算法优化，从功耗测量到量产测试，都是我这些年踩坑踩出来的经验。
嗯，下一章我们聊聊硬件平台的选择。选错了芯片，后面再怎么优化也白搭。到时候见。