openWakeWordが反応しない？検出率を順番に確認する方法

反応がない原因はモデルだけではありません。マイク入力、リサンプリング、フレーム分割、特徴抽出、しきい値、合成音声と実際の話者の差も同じ症状を起こします。再学習の前にパイプラインを確認します。

1. WAVでモデル読み込みを確認

マイクを使う前に、正解語を含む16 kHz WAVをpredict_clip()でテストします。パス間違い、古いキャッシュ、ONNX/TFLiteの取り違えは、検出率ゼロと同じように見えます。

from openwakeword.model import Model
model = Model(wakeword_models=["my_model.onnx"])
print(model.predict_clip("positive.wav"))

2. 音声形式を確認

openWakeWordは16-bit、16 kHz PCMを使用し、公式文書では80 msの倍数のフレームを推奨しています。実際の入力をWAVとして保存して聞き、チャンネル、型、フレーム長、振幅を確認します。診断中は自動ゲイン、ノイズ抑制、エコーキャンセルを一時的に無効にします。

3. スコアを測ってからしきい値を変える

0.5は開始値であり万能ではありません。20回以上の正解発話と数分の通常会話を測定してください。しきい値を下げると見逃しは減りますが、誤検出は増えます。

4. VADやクールダウンを分離

VADゲート、デバウンス、クールダウン、連続陽性フレーム条件が有効なスコアを止めることがあります。診断時に無効化し、モデルスコア、VAD、しきい値判定、状態を記録しながら一つずつ戻します。

5. 学習データを改善

• 複数のTTS話者、速度、ピッチ、音量を使用する。
• 実環境に近い雑音、残響、距離を追加する。
• 似た発音を難しい負例として使う。
• 特定のアクセントを逃す場合、正しく切り出した実音声を追加する。
• 独立データでRecallと誤検出を同時に評価する。

Voicuteがばらつきを減らす方法

Voicuteは対象語用の小型モデルを学習し、合成音声に音響変化を加え、選択した実音声を組み合わせるVoice Enhanced方式も提供します。きれいな合成音と実マイクの差を小さくすることが目的です。出力されたONNX/TFLiteモデルも、最終端末での検証としきい値調整が必要です。

参考

• openWakeWord
• ONNX推論サンプル