关键词识别指在连续语音流中检测出预定义关键词。由于深度神经网络在语音识别方面有着突破性发展,近年来关键词识别的研究主要是基于语音识别展开的。这类方法首先使用声学模型和语言模型将语音信号解码成文字,然后利用文本查找方法搜索关键词。虽然这种方法能识别关键词,但存在以下问题:1、关键词识别准确率受语音识别和文字查找方法影响。2、无法检测无文字语言,该方法需要将语音转成文字,对于无文字语言不适用,例如,方言、少数民族语言等。3、无法获取关键词的时序信息,音频转录成文字后,损失了关键词的时序信息,无法知悉关键词处于音频哪个时间段。针对问题2和问题3,本文设计一种能识别无文字语言关键词且能准确获取关键词时序信息的关键词识别方法。本文将生成式对抗网络用于关键词识别,提出一种基于GAN的音频关键词识别方法,解决无文字语言关键词检测。在本文所提方法中,提取梅尔频率倒谱系数后直接输入生成式对抗网络生成器,生成器获取关键词特征,输出关键词时序信息。GAN中判别网络起监督作用,它使生成器输出序列更加贴近人工标注的标签序列。为了获取语音中关键词的位置信息,该算法定义了一个定位损失函数,这保证了生成的掩码序列可以检测关键词并获取关键词的位置信息。实验发现,基于GAN的音频关键词识别方法在语音不转成文字的情形下能检测关键词。在自制的数据集上,所提算法识别关键词的准确率可超过80%。本文利用所提算法设计并实现了一个音频关键词检测系统。该系统包括在线录音、模型训练、关键词检测以及检测结果查看功能。用户选择模型后,通过在线录音方式进行关键词识别,系统将识别结果反馈在界面上供用户查看。此外,基于GAN的音频关键词检测系统还设置了关键词屏蔽功能,当系统检测到关键词后,系统将其用噪声屏蔽,这样就能达到敏感信息、隐私信息保护的目的。