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

零基础搭建唤醒词模型

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 · 学习目标与整体课程框架
课程导入目标=唤醒词模型…
02
语音基础
目标=声音的产生 · 采样率 · 量化
语音基础目标=声音的产生
03
唤醒词技术概览
目标=关键词识别 · 语音唤醒 · 端到端方案与传统方案对比
唤醒词技术概览目标=关键词识别
04
开发环境搭建
目标=Python · PyTorch · 音频处理库与常用工具链安装配置
开发环境搭建Python
05
数据采集基础
目标=唤醒词音频录制 · 正负样本定义 · 录音设备与脚本编写
数据采集基础目标=唤醒词音频…
06
数据预处理
目标=重采样 · 归一化 · 静音切除
数据预处理目标=重采样
07
音频特征提取
目标=MFCC · 梅尔频谱 · 滤波器组与特征可视化方法
音频特征提取MFCC
08
数据集构建
目标=正负样本平衡 · 数据增强 · 噪声混合与数据集划分
数据集构建目标=正负样本平…
09
传统机器学习方法
目标=GMM · HMM · DTW在唤醒词识别中的原理与实现
传统机器学习方法GMM
10
深度学习入门
目标=神经网络基础 · 卷积神经网络与循环神经网络简介
深度学习入门目标=神经网络基…
11
唤醒词模型设计
目标=CNN · CRNN · TC-ResNet等轻量级网络结构选…
唤醒词模型设计CNN
12
模型训练流程
目标=损失函数 · 优化器 · 学习率调度与训练循环编写
模型训练流程目标=损失函数
13
模型评估指标
目标=准确率 · 召回率 · F1分数
模型评估指标目标=准确率
14
过拟合与欠拟合
目标=正则化 · Dropout · 早停与数据增强策略
过拟合欠拟合
15
模型压缩与加速
目标=量化 · 剪枝 · 知识蒸馏与移动端部署考量
模型压缩加速
16
实时推理基础
目标=滑动窗口 · 流式处理 · 音频缓冲区与推理引擎
实时推理基础目标=滑动窗口
17
端到端唤醒词实战
目标=从数据到模型训练完整项目流程
端到端唤醒词实战目标=从数据到模…
18
关键词 spotting 进阶
目标=CTC · 注意力机制与序列建模方法
spotting关键词
19
噪声环境鲁棒性
目标=背景噪声 · 混响 · 远场语音与抗噪训练技巧
噪声环境鲁棒性目标=背景噪声
20
多唤醒词与自定义词
目标=多类别分类 · 动态唤醒词与用户自定义方案
多唤醒词自定义词
21
模型部署实战
目标=ONNX · TensorRT · TFLite与嵌入式设备部署
模型部署实战ONNX
22
移动端集成
目标=Android/iOS音频采集 · 推理调用与性能优化
移动端集成Android/iOS
23
常见问题排查
目标=数据不平衡 · 训练不收敛 · 推理延迟与误唤醒调试
常见问题排查目标=数据不平衡
24
评估与测试
目标=测试集构建 · 交叉验证 · A/B测试与用户体验评估
评估测试
25
项目案例一
目标=基于CNN的简单唤醒词模型完整…
项目案例一CNN
26
项目案例二
目标=基于CRNN的流式唤醒词模型实…
项目案例二CRNN
27
项目案例三
目标=低功耗嵌入式唤醒词方案设计与实…
项目案例三目标=低功耗嵌入…
28
综合提升
目标=模型迭代 · 持续学习 · 联邦学习与隐私保护
综合提升目标=模型迭代
29
课程总结
目标=知识体系回顾 · 技能树梳理与后续学习路线
课程总结目标=知识体系回…
30
扩展与前沿
目标=自监督学习 · 大模型语音唤醒与未来趋势展望
扩展前沿