语音关键词检测技术是一种从输入语音中检测出指定关键词的设备唤醒技术,主要应用在智能音箱的唤醒模块中。近年来,随着移动互联网的快速发展,基于语音的交互技术开始得到普及,而作为语音识别的前端部分,语音唤醒直接关系到后续语音交互的效率和效果。其中,语音唤醒的核心技术就是语音关键词检测技术,语音关键词检测技术通过对输入语音进行识别,从而判断被检测语音是否为指定命令或目标命令。然而,语音交互技术和实际的应用场景关系密切,不同的应用场景对不同的算法、硬件要求有所不同。特别是在智能音箱的应用中,语音唤醒只是作为一个微小的前端模块,往往对内存要求较高,需要降低模型的参数尺寸。另外,由于直接面向用户,为了达到高效交互的使用体验,对响应速度也有较高的要求,而模型计算量的大小直接关系到模预检测的响应速度。因此,一种低内存低延迟的语音关键词检测技术就显得极为重要。为了解决上述问题,本文在卷积循环神经网络的基础上引入关注机制,同时对卷积算法进行修改,提出在时间维度上的卷积算法,从而增强模型预测能力,更好地利用语音的时序和时频谱空间信息,降低模型的内存占用和预测延迟率。另外,本文还从模型压缩的角度对低内存占用进行探索,在上述架构的基础上,采用奇异值分解压缩参数,使得在不降低模型准确率的情况下,相对于传统模型,本文实验模型能够减少三分之二的参数,在达到同等准确率97%的情况下,能够使整个系统的模型参数下降20KB左右,同时延迟率降低0.5毫秒左右。在应用中,本文缩减二进制参数表示范围,将8位二进制参数改为更低数量的位数进行替代(如6位二进制),在准确率几乎不受影响的情况下,能够成倍缩减内存占用。可以得出结论,本文所采用的算法,在资源受限的应用场景下,具有更好的应用前景。