1. 课程导入

各位同学好，我是你们这门课的老朋友。咱们今天聊的，是嵌入式AI里一个非常接地气的方向——唤醒词模型。

说白了，唤醒词就是让设备「醒过来」的那句话。你喊一声「小爱同学」，音箱亮了；你说一句「Hey Siri」，手机应了。这就是唤醒词。它不是一个复杂的语音识别系统，它只做一件事：判断用户是不是说了预设的那个词。

1.1 什么是唤醒词

唤醒词，也叫触发词（Trigger Word）或关键词（Keyword）。它是一个固定的、简短的语音指令。设备平时处于低功耗监听状态，一旦检测到这个词，就启动后续的交互流程。

我举个例子。你想想看，智能音箱如果一直开着完整的语音识别，电池撑不过半天。但只监听一个词，功耗就能降到微安级别。这就是唤醒词存在的意义——它是整个语音交互的「开关」。

我在项目中遇到过一件事。有个客户选了「小贝小贝」做唤醒词，结果发现「背」「杯」「北」这些音经常误触发。后来我们换成了「小波小波」，误报率直接降了一半。嗯，这里要注意：唤醒词的声学特性直接影响模型效果，选词的时候一定要做音素分析。

1.2 应用场景

唤醒词的应用场景比你想象的广。不只是智能音箱，很多嵌入式设备都在用。

你可能会问：为什么可穿戴设备要求μW级，而智能家居只要mW级？

原因很简单。智能手表电池只有几百毫安时，还要撑一整天。智能音箱插着电，功耗压力小很多。我做过一个TWS耳机的项目，唤醒模型必须跑在10μA以下，否则用户听歌两小时就没电了。这种场景下，每一微安都得抠。

1.3 低功耗设计的必要性

好，咱们聊聊为什么低功耗设计这么重要。我直接说结论：唤醒词模型是永远在线的。

设备上电后，麦克风一直在采集声音，DSP或MCU一直在跑推理。这个「一直在跑」就是功耗的大头。你想想看，如果模型不做优化，一个Cortex-M4跑300MHz，光CPU就吃掉几十毫瓦。加上麦克风、ADC、内存，整机功耗轻松上百毫瓦。对于电池供电的设备，这根本扛不住。

低功耗设计的核心思路，我总结成三点：

1. 减少计算量：模型越小、运算越少，功耗越低
2. 降低频率和电压：动态电压频率调整（DVFS）是嵌入式设备的标配
3. 优化数据流：减少内存访问次数，利用缓存和DMA

咱们这门课，就是围绕这三点展开的。我会带你从模型选型、量化剪枝、硬件加速、系统调度等角度，一步步把唤醒词模型的功耗压到极限。

下面这张图，是唤醒词模型低功耗设计的整体框架。你可以先有个印象，后面每一章都会对应到其中的一个模块。