Mehrere Wake Words, ein Modell

Die meisten Wake-Word-Engines gehen von einer Annahme aus: Ein Modell erkennt eine Phrase. Aber ein Wake Word ist nicht dasselbe wie ein Befehl – es ist der Name, auf den ein Gerät hört. Und Namen sind persönlich. Genau deshalb brauchen echte Produkte am Ende mehr als eines.

Warum Produkte mehrere Wake Words brauchen

• Jedes Familienmitglied hat sein eigenes Wort. Der eine sagt „Licht an“, das Kind ruft etwas anderes – mit beiden Worten in einem Modell antwortet das Gerät dem, der ruft. Kein Streit ums Wake Word.
• Eine Firmware, mehrere SKUs. Gleiche Hardware, drei Markennamen, drei Wake Words. Ein Multi-Word-Modell lässt die komplette Produktlinie ein einziges Firmware-Image teilen.
• Wake Word wechseln ohne Reflash. Klassische Offline-Lösungen brauchen für einen Wortwechsel ein Firmware-Update, manchmal eine Rücksendung ins Werk. Mit einem Multi-Word-Modell ist der Wechsel eine Ein-Zeilen-Config-Änderung.
• Alle Varianten, wie es gerufen wird. Ein Name wird auf viele Arten gerufen – nimm jede Variante ins Modell auf, dann funktioniert der Sprachstart, wie die Nutzer es auch sagen.

Ein Modell gegen einen Stapel Modelle

Wake Word wechseln per Config

Ein Multi-Word-Modell kommt mit einer model_info.json, in der jede Phrase ein Eintrag ist:

{
  "model_type": "dscnn",
  "mel_time": 98,
  "multi_model": true,
  "models": [
    {"wake_word": "Entchen",      "model_file": "entchen.onnx",      "cons_frames": 2},
    {"wake_word": "Hey Licht",    "model_file": "heylicht.onnx",     "cons_frames": 2}
  ]
}

Standardmäßig hört das Gerät auf alle gelisteten Wörter; lösche einen Eintrag und das Wort verstummt – ohne Nachtraining, ohne Firmware-Änderung. Das ist der praktische Nutzen von einem-Modell-viele-Wörter: Die Freiheit, das Wake Word zu ändern, bleibt bei dir und nicht beim Werk.

Und die Fehlauslösungen?

Mehr Wörter bedeuten mehr Angriffsfläche für Fehlauslösungen – die richtige Frage. Zwei Verteidigungslinien:

• Im Training: Alle Wake Words leben in einem Modell, und jedes Wort dient den anderen als Negativsample – so bleiben sie sauber getrennt. Eine Runde R1-Optimierung senkte die Fehlauslösungen in unseren Tests von Hunderten pro Stunde auf einstellige Werte (im Schnitt ca. 95 % Reduktion).
• In der Inferenz: Die Open-Source-Runtime bringt 5 zuschaltbare Anti-Fehlauslösungs-Ebenen mit (Kurzes-Zeitfenster-Filter, Cooldown, Energie-Sprung-Erkennung und mehr).

Wo Multi-Wake-Word passt

So bekommst du eines

Auf Voicute den Multi-Keyword-Tarif wählen, die Wake Words per Komma getrennt eingeben – die Plattform synthetisiert die Trainingssprache und liefert in etwa 15–25 Minuten ein fertiges ONNX-Modell. 2–10 Wörter in einem Modell, Preis nach Stufe: 3 Wörter $85, 5 Wörter $99, 8 Wörter $125, 10 Wörter $149 – einmal bezahlt, auf unbegrenzt vielen Geräten einsetzbar.

Das Modell ist Standard-ONNX und läuft mit der Open-Source-Runtime onnx-wakeword vollständig offline auf Android / Linux / Windows / Web / ESP32. Wenn du eher Befehle wie „an“ und „aus“ suchst, lies Multi-Keyword-Wake-Word: Ein Modell, 10 Befehle.