浏览器端离线唤醒词：用 ONNX 实现网页本地语音触发

网页只需要识别“开始录音”“下一页”或一个固定唤醒词时，不必把麦克风音频持续上传给云端 ASR。关键词识别模型可以直接在浏览器中完成推理。

浏览器里的处理链路

麦克风 → 单声道 PCM → 重采样到 16 kHz → Mel 特征
       → ONNX 模型 → 连续帧与冷却判决 → JavaScript 事件

模型加载后，推理在当前设备完成，不需要推理服务器或运行时 AccessKey。它适合网页快捷操作、展厅大屏、PWA、内网控制台和本地设备面板。

什么时候用 KWS，什么时候用 ASR

为什么不能只看模型阈值

模型会连续输出短音频窗口的分数。实际产品还需要连续帧确认、检测后冷却、背景峰值比较以及针对持续媒体声音的过滤。建议先记录真实误触类型，再逐项增加限制，避免过滤过严造成漏检。

浏览器端的工程边界

• 线上麦克风通常要求 HTTPS，并需要用户明确授权。
• 不同设备采样率不同，送入模型前需要转换到模型要求的采样率。
• 移动浏览器可能挂起后台标签页，不能未经验证就宣传后台常驻。
• 语音结果不应直接执行删除、付款等高风险操作。

先用 Demo 验证，再接入自己的模型

1. 打开控制台，选择一个演示模型。
2. 点击“在线测试”，检查自己的麦克风和浏览器能否正常触发。
3. 点击“下载”取得模型，并从页面进入推理代码。
4. 需要自定义词时再创建模型，先在线测试实际发音，再下载部署。

完整 Web SDK 和示例代码位于 onnx-wakeword。模型下载后可以在本地运行，不按识别次数或设备数量收取运行费用。