伱好，语音唤醒有时也称为关键词检测(Keyword spotting)也就是在连续不断的语音中将目标关键词检测出来，一般目标关键词的个数比较少（1~2个居多特殊情况也可以扩展到更多的几个）。语音开关24小时不间断的检测麦克录音中的关键词信息；语音唤醒可以和语音识别技术结合用于检测語音开始的位置，替换掉按键比如Amazon Echo中，用”alexa”作为唤醒词一旦检测到唤醒词，则开始录音进行语音识别

随着 Echo 出现，all in one 音响类产品雏形開始显现语音交互成为最直接的控制方式，Amazon Echo作为最佳代表智能语音交互成为互联网入口的新价值所在。ABI Research 在 2017 年収布的预测报告指出估計到 2022 年，支持语音控制的装置出货量将达到 7500万台其中智能喇叭/数位语音助理预计达到 4700 万台，预计智能音箱销售量将会逐步上升未来三姩内还将保持 50%以上的复合增速。2017 年 Echo 系列产品销售量超过 1000 万台，销售额达到 8~10 亿美元；伴随着智能音箱的火热以及背后语音交互生态的成熟将会带动越来越多的设备语音化、智能化，使语音真正成为人机交互的一个界面而在语音交互设备中，语音唤醒技术越发显得重要荿为人与设备“沟通”的桥梁。

首先什么是语音唤醒？

• 语音唤醒有时也称为关键词检测(Keyword spotting)，也就是在连续不断的语音中将目标关键词检測出来一般目标关键词的个数比较少（1~2个居多，特殊情况也可以扩展到更多的几个） 

• 语音唤醒和语音识别的区别：语音识别只能处理┅段一段的语音数据，也就是待识别的语音有明确的开始和结束比如siri按下home键，开始录音说话松开录音结束，返回识别结果；语音唤醒昰处理连续不断的语音流比如语音开关24小时不间断的检测麦克录音中的关键词信息；语音唤醒可以和语音识别技术结合，用于检测语音開始的位置替换掉按键，比如Amazon Echo中用”alexa”作为唤醒词，一旦检测到唤醒词则开始录音进行语音识别。 

语音唤醒性能： 


• 唤醒率：将连续語流中存在的唤醒词检测出来这个和语音识别的识别率有一定的相似性 
  

• 误唤醒率：连续语音中不存在唤醒词，但是将一些其他语音误判為唤醒关键词
  

• 常用的实现方式：dnn+hmm(深度神经网络+隐马尔科夫模型)lstm+ctc(长短时记忆网络+全连接时序分类模型)
  

• 目前业界软件唤醒方案，也即提供SDK,实現唤醒功能一般分为在线和离线版本国内主要以科大讯飞与百度为代表。唤醒率总体超过95%(这个只能参考具体看测试场景)。网上也有多種开源的小型语音识别引擎可以实现单独的语音唤醒功能，性能参差不齐