很多人以为语音控制一定要依赖云端服务。实际上如果设备只需要识别几句固定的话就可以把语音识别放在设备本地完成。最简单的方式就是给设备设置一个唤醒词。比如先说“你好台灯”设备被唤醒后再说“打开灯光”或者先说“Hey Lumi”再说“开始录音”。设备不需要听懂所有语言只要能够识别指定的唤醒词和命令即可。什么是自定义唤醒词唤醒词就是让设备开始工作的关键词。手机语音助手、智能音箱和机器人都可以使用类似的方式。与固定的语音助手名称相比自定义唤醒词可以按照产品、家庭或项目的需求进行设置智能家居可以使用房间名称机器人可以使用自己的产品名称电脑工具可以使用项目名称个人设备可以使用自己习惯的语言。唤醒后设备还可以继续识别多条固定命令例如打开灯、关闭灯、开始录音和停止录音。为什么要使用本地语音控制本地运行最明显的优势是不依赖网络。即使设备没有联网也可以完成固定命令的识别。另外语音数据不需要持续上传到服务器适合智能家居、桌面工具、机器人和对隐私比较敏感的设备。本地语音控制还可以减少等待时间。对于“开灯”“开始录音”这类简单操作设备可以直接识别并执行不需要等待远程服务返回结果。哪些设备适合使用这类方案可以用于 Android 手机、Windows 和 macOS 应用、浏览器页面、树莓派、智能家居设备以及各种机器人项目。如果设备只需要识别少量固定命令就不一定需要完整的语音助手。一个轻量的唤醒词模型加上几条命令往往已经可以完成实际控制。需要注意误触发语音控制是否好用不只是看设备能不能听懂唤醒词还要看它会不会因为电视、风扇、普通聊天或相似发音而误启动。因此正式使用前最好在真实环境中测试。安静房间、办公环境、家庭环境和设备运行时的噪声都可能影响识别效果。比较实用的设计是唤醒词只负责启动设备进入短暂监听状态后再识别具体命令。这样既可以减少常驻监听的复杂度也能让用户更容易理解设备当前处于什么状态。结语语音控制不一定要从复杂的智能助手开始。对于很多设备来说“一个自定义唤醒词加几条固定命令”就已经是很自然的交互方式。如果你正在制作智能家居、机器人或桌面工具可以参考 onnx-wakeword 中的开源实现也可以访问 Voicute 生成自定义关键词识别模型。演示视频唤醒词加多关键词实现离线语音控制