本期实验聚焦一个具体问题：把常开语音唤醒放到电池供电的硬件上，功耗和误唤醒如何同时压住。
做法不复杂：前端固定为 40 维滤波器组特征，唤醒模型用 DSCNN 量化到 int8，部署在带 NPU 的 MCU 上；双麦做差分降噪，先滤掉稳态噪声再送模型。测试集来自车间、厨房、车载三类真实噪声，每类 12 小时录音加 200 次真实唤醒。
阶段性结果：模型占用 78KB Flash、42KB RAM，单帧推理约 3.2ms；常开监听整机电流（含麦克风）从 8.6mA 降到 1.4mA。安静环境下误唤醒低于 1 次/24 小时，但在 65dB 以上持续噪声中仍偏高，主要来自人声串扰。
下一步：引入自适应 VAD 阈值与二次确认短词，并让三种唤醒词共享同一前端，观察内存占用与误唤醒能否再各降一档。
评论