🚗 车载语音唤醒词定制开发实战
📚 30章 · 从入门到部署
v2.0
01
语音唤醒技术概述
车载唤醒定义、发展历程、传统方法与深度学习对比
⭐ 基础
02
唤醒词原理剖析
音频采集→预处理→特征→声学模型→解码→决策
⚙️ 核心
03
音频信号基础
采样率、位深、声道、奈奎斯特定理、WAV/PCM选择
🎵 必备
04
特征提取实战（MFCC）
梅尔频率倒谱系数原理 · librosa代码实现
📊 特征
05
特征提取实战（FBank）
FBank与MFCC差异、提取代码、车载噪声表现
📊 特征
06
数据准备与标注
采集规范、清洗、Praat/Audacity、数据集划分
🗂️ 数据
07
数据增强技术
噪声叠加、音量/速度扰动、SpecAugment
🔊 增强
08
唤醒词模型选型
DNN/CNN/CRNN/TC-ResNet · 参数量与实时性
🧠 模型
09
基于TensorFlow搭建
使用TF搭建简单CNN唤醒词分类模型
🔧 TF
10
基于PyTorch搭建
使用PyTorch搭建CRNN唤醒词分类模型
🔥 PyTorch
11
模型训练与调优
CrossEntropy/CTC、Adam/SGD、学习率调度、早停
📈 调优
12
模型量化与压缩
PTQ、QAT、模型剪枝 · 车载嵌入式平台
⚡ 压缩
13
唤醒词解码策略
CTC贪婪解码、束搜索、自定义解码规则
🧩 解码
14
端点检测（VAD）
能量/频谱VAD、WebRTC VAD、对唤醒率影响
🎤 VAD
15
VAD实战 · Silero VAD
使用Silero VAD进行实时语音活动检测
⚡ 实战
16
唤醒词引擎集成
导出ONNX/TFLite · Linux/Android集成
📲 集成
17
车载嵌入式平台部署
ARM Cortex-A/RK3588 · NPU加速实践
🚙 部署
18
实时性优化
Pipeline、多线程音频采集、内存池管理
⏱️ 优化
19
误唤醒抑制策略
阈值动态调整、二次确认、声纹锁辅助
🔇 抑制
20
唤醒词定制流程
从零定制“你好，小蓝”完整项目流程
🎯 定制
21
唤醒词评测体系
唤醒率、误唤醒率、实时因子(RTF)计算
📋 评测
22
车载噪声环境适配
静止/60/120km/h噪声特性与模型适配
🌪️ 噪声
23
多唤醒词支持
同时支持“小蓝小蓝”和“你好小蓝”方案
🔀 多词
24
唤醒词与ASR联动
平滑过渡到语音识别、VAD触发逻辑
🔗 联动
25
唤醒词OTA升级
模型热更新、差分升级、版本回滚
📡 OTA
26
唤醒词安全与隐私
本地/云端隐私差异、声纹加密、防录音攻击
🔒 安全
27
唤醒词调试工具链
日志/可视化/性能分析、自动化测试框架
🛠️ 调试
28
车载唤醒词行业标准
AEC-Q100、ISO 26262功能安全要求
📜 标准
29
前沿技术探索
Conformer、自监督学习在唤醒词中的应用
🚀 前沿
30
综合实战项目
完整车载唤醒词系统 · 数据采集到实车测试
🏁 项目