esp-sr/docs/wake_word_engine/README_cn.md

WakeNet [English]

WakeNet是一个基于神经网络，为低功耗嵌入式MCU设计的的唤醒词模型，目前支持5个以内的唤醒词识别。

Overview

WakeNet的流程图如下：

• speech features：
  我们使用MFCC方法提取语音频谱特征。输入的音频文件采样率为16KHz，单声道，编码方式为signed 16-bit。每帧窗宽和步长均为30ms。

• neural network：
  神经网络结构已经更新到第6版，其中：

  • wakeNet1,wakeNet2,wakeNet3,wakeNet4已经停止使用。
  • wakeNet5应用于ESP32芯片。
  • wakeNet8和wakeNet9应用于ESP32S3芯片，模型基于　Dilated Convolution 结构。

  注意，WakeNet5,WakeNet5X2 和 WakeNet5X3 的网络结构一致，但是 WakeNet5X2 和 WakeNet5X3 的参数比 WakeNet5 要多。请参考 性能测试 来获取更多细节。

• keyword trigger method：
  对连续的音频流，为准确判断关键词的触发，我们通过计算若干帧内识别结果的平均值M，来判断触发。当M大于大于指定阈值，发出触发的命令。

以下表格展示在不同芯片上的模型支持：

WakeNet使用

• WakeNet 模型选择

  WakeNet 模型选择请参考 Flash model 介绍 。

  对于自定义的唤醒词，请参考乐鑫语音唤醒词定制流程。

• WakeNet 运行

  WakeNet 目前包含在语音前端算法 AFE 中，默认为运行状态，并将识别结果通过 AFE fetch 接口返回。

  如果用户需要关掉 WakeNet，请在 AFE 配置时选择：

  afe_config.wakenet_init = False.
  

  即可停止运行 WakeNet。

性能测试

具体请参考 Performance_test。

唤醒词定制

如果需要定制唤醒词，请参考乐鑫语音唤醒词定制流程。