在智能音箱、智能门锁与可穿戴设备中，唤醒词检测是一条必须长期常驻的推理链路：算力被限制在百 MHz 级 MCU 或低功耗 NPU 上，功耗预算常以毫安计，却要面对电视对白、儿童哭闹、开关门、油烟机等真实干扰。我们把链路拆成前端降噪、log-Mel 特征、轻量分类模型与二次确认四段，用真实家居录音做分阶段回放，逐段定位误唤醒来源。
目前观察到两个现象：一是相当比例的误唤醒并非分类器判别力不足，而是自动增益控制把远场人声抬进了训练分布之外的幅度区间；二是常驻段与确认段共用同一模型时，功耗与误报往往只能二选一。
- 阶段进展：常驻段模型压缩至 30 KB 以内，配合 200 ms 环形缓存与唤醒后二次确认，在 8 类家居干扰回放集上把每小时误唤醒压到个位数，漏唤醒率基本持平。
- 下一步：引入麦克风一致性与外壳声学腔体的版本标定，降低换壳换麦后的重训成本，并评估“极轻常驻段 + 事件触发确认段”两级结构在电池供电设备上的整机续航收益。
评论