VIP9
本课程属于：095-唤醒词、KWS与端侧语音模型 AI智能与边缘计算工程 · 共 9 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

唤醒词模型声学原理解析

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=唤醒词模型的定义 · 发展历程 · 典型应用场景与整体学习路线图
课程导入目标=唤醒词模型…
02
声学基础
目标=声音的产生与传播 · 频率与振幅 · 人耳听觉特性
声学基础目标=声音的产生
03
数字音频基础
目标=采样定理 · 量化 · 编码格式
数字音频基础目标=采样定理
04
语音信号特性
目标=语音产生机理 · 基频与共振峰 · 清音与浊音
语音信号特性目标=语音产生机…
05
特征提取方法
目标=预加重 · 分帧 · 加窗
特征提取方法目标=预加重
06
其他声学特征
目标=滤波器组特征 · PLP · 频谱质心
其他声学特征目标=滤波器组特…
07
唤醒词任务定义
目标=唤醒词与命令词的区别 · 误唤醒与漏唤醒 · 唤醒率与响应时间指标
唤醒词任务定义目标=唤醒词
08
传统声学建模
目标=GMM-HMM · DTW · 模板匹配
传统声学建模GMM-HMM
09
深度学习基础
目标=神经网络 · 卷积神经网络 · 循环神经网络
深度学习基础目标=神经网络
10
端到端唤醒模型
目标=CTC · 序列到序列 · 关键词填充
端到端唤醒模型CTC
11
主流唤醒模型架构
目标=TC-ResNet · KWS-Net · DS-CNN
主流唤醒模型架构TC-ResNet
12
模型训练流程
目标=数据集构建 · 数据增强 · 损失函数
模型训练流程目标=数据集构建
13
声学模型压缩
目标=量化 · 剪枝 · 知识蒸馏
声学模型压缩目标=量化
14
流式与低延迟推理
目标=滑动窗口 · 缓存机制 · 状态保持
流式低延迟推理
15
噪声与鲁棒性
目标=加性噪声 · 混响 · 信道差异
噪声鲁棒性
16
多说话人与口音
目标=说话人变化 · 口音差异 · 个性化唤醒与自适应方法
多说话人口音
17
误唤醒抑制
目标=置信度校准 · 后处理策略 · 竞争词建模与阈值调优
误唤醒抑制目标=置信度校准
18
唤醒词自定义
目标=自定义唤醒词训练 · 小样本学习 · 少样本微调与迁移学习
唤醒词自定义目标=自定义唤醒…
19
评估与测试
目标=测试集设计 · 交叉验证 · 混淆矩阵
评估测试
20
案例实战一
目标=基于CNN的唤醒词模型从数据到…
案例实战一CNN
21
案例实战二
目标=基于RNN/Transform…
案例实战二RNN/Transfor…
22
案例实战三
目标=嵌入式设备上的唤醒词模型部署与…
案例实战三目标=嵌入式设备…
23
常见问题一
目标=训练不收敛 · 过拟合 · 数据不平衡与标签噪声的处理
常见问题一目标=训练不收敛
24
常见问题二
目标=实际场景中误唤醒高 · 远场效果差 · 功耗与算力受限的解决方案
常见问题二目标=实际场景
25
常见问题三
目标=多唤醒词共存 · 唤醒词冲突 · 模型更新与版本管理
常见问题三目标=多唤醒词共…
26
工具与框架
目标=PyTorch · TensorFlow · Kaldi
工具框架
27
前沿进展
目标=自监督学习 · 大模型蒸馏 · 多模态唤醒与端侧持续学习
前沿进展目标=自监督学习
28
综合项目一
目标=设计并实现一个完整的唤醒词系统 · 包括数据 · 训练
综合项目一目标=设计并实现…
29
综合项目二
目标=针对特定场景优化唤醒词模型 · 撰写技术报告与性能对比
综合项目二目标=针对特定场…
30
课程总结与提升
目标=知识体系回顾 · 学习路径建议 · 职业方向与进一步研究课题
课程总结提升