多唤醒词方案 — 一个模型识别多个唤醒词

唤醒词为什么不止一个

"唤醒词"和"命令词"不一样：命令词是让设备做事（播放、暂停、开灯），唤醒词是让设备听你说话。所以多唤醒词的需求也很不一样——

• 一家人各有各的叫法：爸爸习惯叫"小悠"，孩子喜欢喊"小娜"，老人就认"你好小悠"。一个设备装一个模型，谁喊都能应，不用抢。
• 一个固件，多个产品型号：同一套硬件出了三个 SKU，各自要不同的品牌唤醒词。一块模型全包了，产线只刷一次固件。
• 换唤醒词不用返厂：传统离线方案改个唤醒词要重新烧录，甚至返厂。模型里多放几个候选词，现场改配置文件就能切换。
• 一个词的多种叫法：品牌名"小瑞"经常被叫成"小瑞小瑞""你好小瑞"，把各种叫法都放进模型，用户怎么说都能唤醒。

一个模型 vs 一堆模型

多唤醒词最怕的误区是"几个词就训几个模型"。那样部署麻烦不说，N 个模型 N 次推理，在 ESP32 这类资源受限的平台上根本跑不动。正确的做法是一个模型里放多个唤醒词：

换唤醒词，改配置就行

多唤醒词模型配套一个 model_info.json，每个词是一条配置：

{
  "model_type": "dscnn",
  "mel_time": 98,
  "multi_model": true,
  "models": [
    {"wake_word": "小悠",     "model_file": "xiaoyou.onnx",   "cons_frames": 2},
    {"wake_word": "小娜",     "model_file": "xiaona.onnx",    "cons_frames": 2},
    {"wake_word": "你好小悠", "model_file": "nihaoxiaoyou.onnx", "cons_frames": 2}
  ]
}

设备默认监听全部词；只想启用其中一两个，把配置里的条目删掉就行，不用重新训练，也不用动固件。这就是"多唤醒词一个模型"对产品最实际的价值：把换词的自由留给了你自己。

误触发怎么办

词多了，误触发的面也大了，这是多唤醒词最该关心的问题。两道保险：

• 训练侧：多个唤醒词在同一个模型里一起训练，互相就是对方的"负样本"，词与词之间天然分得开。上线后跑一轮 R1 误触发优化，实测每小时误触发从三百多次降到个位数（平均降幅约 95%）。
• 推理侧：开源推理引擎内置 5 层防误触发检测（连续帧过滤、冷却、能量跳变等），按场景开关。

哪些场景适合多唤醒词

怎么拿到模型

在 听词 Voicute 选"多关键词"，把唤醒词用逗号分隔填进去（比如"小悠,小娜,你好小悠"），TTS 自动合成训练语音，十来分钟出模型。2-10 个词一个模型，价格按词数分档：3 词 ¥169、5 词 ¥199、8 词 ¥249、10 词 ¥299，一次付费不限设备数量。

模型是标准 ONNX 格式，配合 开源推理引擎 onnx-wakeword，Android / Linux / Windows / Web / ESP32 全平台离线运行。如果要识别"播放、暂停"这类动作词，看这篇 多命令词识别方案。