ブラウザ内でオフラインWake Wordを検出する

「録音開始」「次のページ」や固定ウェイクワードだけを認識する場合、音声全体を文字に変換する必要はありません。KWSモデルなら、マイク音声を外部へ送らずブラウザ内で検出できます。

ローカル処理の流れ

マイク → 16 kHz音声 → Mel特徴量 → ONNXモデル
       → 時系列フィルタ → JavaScriptイベント

モデル読み込み後の推論は端末内で行われます。プレゼン操作、キオスク、PWA、ローカルダッシュボード、アクセシビリティ操作に適しています。

実装時の注意点

• マイク利用にはHTTPSとユーザーの許可が必要です。
• 入力音声をモデルが想定するサンプルレートへ変換します。
• モバイルブラウザはバックグラウンドタブを停止する場合があります。
• 連続フレーム確認とクールダウンで単発ノイズや二重発火を抑えます。

デモから導入まで

1. コンソールのデモを自分のマイクでテストします。
2. モデルをダウンロードし、リンクされたWeb実装をローカルで実行します。
3. 必要なら日本語のカスタムキーワードを作成します。
4. 新しいモデルもダウンロード前にオンラインテストします。

Web実装はオープンソースのonnx-wakewordに含まれています。自由な文章を文字起こしする用途ではKWSではなくASRを利用してください。