Comment rendre les mots d’activation multilingues fiables ?

Entraîner un modèle de mot d’activation réellement utilisable est plus complexe qu’un script en un clic. Un modèle peut fonctionner dans une pièce silencieuse, puis perdre des détections avec un autre locuteur, appareil ou bruit de fond.

La stabilité vient de toute la chaîne : données propres à chaque langue, augmentation réaliste, exemples négatifs difficiles, évaluation et contrôle avant livraison. Voicute prend actuellement en charge le chinois, l’anglais, le japonais, l’allemand, le français, l’espagnol et l’hindi.

Les deux échecs d’un mot d’activation

Le modèle peut ne pas se déclencher quand il le faut, ou se déclencher sans raison. Modifier seulement le seuil ne résout pas les deux problèmes. Il faut déplacer la frontière de décision avec de meilleures données et un meilleur entraînement.

Quatre choix pour une reconnaissance stable

1. Nous entraînons le modèle léger directement pour le mot cible, au lieu de dépendre d’un espace de caractéristiques préentraîné qui peut être mal adapté aux langues non anglaises. Le modèle apprend aussi l’ordre temporel des syllabes.

2. Chaque langue possède son propre ensemble de données positives, de variantes, de bruits et de mots difficiles. Une chaîne anglaise simplement traduite ne suffit pas.

3. Le TTS de plusieurs locuteurs est varié par la vitesse, le ton, le volume, le bruit et la réverbération. Les enregistrements réels ajoutent les accents, les prononciations personnelles et les différences de microphone.

4. R0 vérifie le rappel de base. R1 recherche les faux déclenchements dans la musique, les films et la parole ordinaire, puis entraîne plusieurs candidats. Un modèle qui ne respecte pas le seuil de qualité n’est pas livré.

Résultat

Les modèles sont évalués avec une méthode interne constante. Beaucoup de modèles livrés atteignent 98–100 % de rappel dans ce corpus contrôlé ; ce chiffre n’est pas une garantie absolue pour chaque voix et chaque environnement.

Les modèles sont exportés en ONNX ou TFLite et fonctionnent hors ligne sur Web, Android, ESP32, Python et Home Assistant.