AI语音唤醒定制：误唤醒抑制与低功耗调度

低功耗语音唤醒是智能硬件的常开入口，难点往往不在唤醒率，而在误唤醒与待机功耗之间的平衡。本阶段实验采用两阶段级联框架：常开阶段用约 30KB 的轻量卷积网络做帧级筛查，确认阶段再用稍大的模型做词级判定，两级共享同一套前端特征，避免重复计算。

数据侧，我们从真实房间采集约 40 小时负样本，重点覆盖电视对话、空调风噪、方言串音等易混场景，并通过难负样本回采分别调优两级阈值。目前内部测试集上，每 24 小时误唤醒从 5.2 次降至 0.6 次以下，唤醒率保持在 96% 左右，端到端响应约 260 ms，常开阶段平均功耗低于 1 mW，可满足电池供电设备的常开需求。

要点：
· 进展：级联结构与难负样本回采已在两类 MCU+NPU 组合上验证，模型可复用同一套量化与部署流程。
· 下一步：加入多唤醒词与嵌套唤醒（设备名+指令）联调，观察长时间运行下的阈值漂移，并配合设备端差分升级做迭代。