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

唤醒词模型性能优化全流程

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 · 应用场景 · 性能优化的重要性与全流程概览
课程导入目标=唤醒词模型…
02
唤醒词技术基础
目标=语音唤醒原理 · 关键术语（唤醒率 · 误唤醒率
唤醒词技术基础目标=语音唤醒原…
03
数据采集与标注
目标=唤醒词正负样本设计 · 远场与噪声场景数据采集 · 标注规范与质量评估
数据采集标注
04
数据增强与预处理
目标=加噪 · 混响 · 变速
数据增强预处理
05
特征工程
目标=MFCC · FBANK · Log-Mel
特征工程MFCC
06
模型选型
目标=传统GMM-HMM · DNN · CNN
模型选型GMM-HMM
07
轻量化模型设计
目标=深度可分离卷积 · MobileNet · ShuffleNet
轻量化模型设计目标=深度可分离…
08
训练策略与损失函数
目标=交叉熵 · Focal Loss · 对比学习
训练策略损失函数
09
模型量化与压缩
目标=PTQ · QAT · 剪枝
模型量化压缩
10
推理引擎与部署
目标=ONNX · TensorRT · TFLite
推理引擎部署
11
端侧实时性优化
目标=内存占用 · 功耗控制 · 多线程调度
端侧实时性优化目标=内存占用
12
唤醒率与误唤醒率平衡
目标=阈值调整 · 后处理策略 · 置信度校准与ROC曲线分析
唤醒率误唤醒率平衡
13
噪声与远场鲁棒性优化
目标=波束形成 · 回声消除 · 语音增强与多麦克风阵列融合
噪声远场鲁棒性优化
14
个性化唤醒词
目标=自定义唤醒词训练 · 小样本学习 · 元学习与用户自适应方法
个性化唤醒词目标=自定义唤醒…
15
多唤醒词与连续唤醒
目标=多任务建模 · 关键词 spotting · 竞争解码与状态机设计
多唤醒词连续唤醒
16
模型评估与测试
目标=测试集构建 · 交叉验证 · A/B测试
模型评估测试
17
常见问题与调优
目标=过拟合 · 欠拟合 · 训练不稳定
常见问题调优
18
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
19
案例实战二
目标=基于TC-ResNet的轻量化…
案例实战二TC-ResNet
20
案例实战三
目标=远场噪声场景下的唤醒词模型鲁棒…
案例实战三目标=远场噪声场…
21
案例实战四
目标=知识蒸馏与量化联合优化唤醒词模…
案例实战四目标=知识蒸馏
22
案例实战五
目标=多唤醒词系统设计与性能调优
案例实战五目标=多唤醒词系…
23
案例实战六
目标=个性化唤醒词的小样本快速适配实…
案例实战六目标=个性化唤醒…
24
性能监控与迭代
目标=线上日志分析 · badcase挖掘 · 模型更新与持续优化闭环
性能监控迭代
25
工具链与平台
目标=Kaldi · ESPnet · PyTorch
工具链平台
26
前沿技术
目标=自监督学习 · 大模型蒸馏 · 神经架构搜索在唤醒词中的应用
前沿技术目标=自监督学习
27
综合项目一
目标=设计并实现一个高唤醒率低误唤醒…
综合项目一目标=设计并实现…
28
综合项目二
目标=面向低功耗MCU的唤醒词模型全…
综合项目二MCU
29
综合项目三
目标=多场景自适应唤醒词系统设计与评…
综合项目三目标=多场景自适…
30
课程总结与提升
目标=知识体系回顾 · 优化checklist · 职业发展建议与学习资源推荐
课程总结提升