基于pytorch的语音唤醒系统

介绍：

1. iphone的 hi siri（只有你一人唤醒）： 语音唤醒 + 声纹识别
2. 小爱同学（任何人都可以唤醒）：语音唤醒

技术类型

声纹识别的前提是，首先要拿到你的声音特征; 语音唤醒的前提是，该设备得一直对声音处于监听状态。

语音识别的三个方向

1. 语音解锁
2. asr
3. 声音克隆 tips：AI处理的是特征、信息，ai本质是做的向量计算

声音采集

1. 语音就是一段波形的序列，一段声音频谱图，原始的声音一定是一段连续的波形图；
2. 计算机无法存储连续数据的，只能存离散数据，问题来了，怎样将连续数据转成离散数据呢？通过一个技术，这个技术叫采样，什么叫做采样呢，就是在一段波形上面，采集一些点的数据，声音采集上有一个重要的东西，叫采样率，就是1s中在这个波形上采多少个点,采样率越高，采的点越多，采的离散的数据越多，还原回来的效果越好

语音唤醒的流程

1、确定唤醒词 2、采集数据： 正样本：包含唤醒词的声音片段 负样本：环境噪音（没有声音或者正常的环境噪音；有人谈话，但不包含唤醒词） 3、制作dataset

除了自己训练模型外，还有业务中唤醒词唤醒还有什么其他方案？

待补充