Picovoice 免费试用到期后，有哪些离线唤醒词替代方案？
Porcupine 试用到期并不意味着必须把麦克风音频传到云端做语音识别。唤醒词和固定命令词仍然可以完全在本地运行，区别只是你准备自己维护训练流程，还是直接获得可部署模型。
目前的官方说明：Picovoice 将免费使用定位为面向企业开发者的一次性试用；其 FAQ 表示目前没有专门面向个人或非商业用途的免费或付费方案。Porcupine 运行仍需要有效 AccessKey。商业政策可能继续变化，迁移前应以自己的 Console 账户为准。
三条可行路线
| 路线 | 适合谁 | 需要承担什么 |
|---|---|---|
| 自己训练 openWakeWord | 希望完全控制训练代码、数据和模型的开发者 | 维护依赖、生成正样本、准备负样本、验证误触发并调整阈值 |
| 在听词生成模型，本地离线推理 | 希望直接下载 ONNX/TFLite 模型、不维护训练基础设施的团队 | 训练阶段使用在线服务；模型下载后推理不需要听词 AccessKey |
| 继续使用商业 SDK | 重视厂商支持、现成 SDK 和企业服务的公司 | 继续遵循账户、授权和商业许可要求 |
方案一：直接训练 openWakeWord
openWakeWord 提供开源代码、ONNX/TFLite 推理，以及自动化训练工具和 Notebook。官方项目说明其自带预训练模型目前主要支持英语。训练自定义中文模型并非只改一个词，需要确认中文 TTS 的发音与说话人覆盖，准备足够的负样本，并在真实麦克风和噪声环境中测试误触发。
pip install openwakeword
from openwakeword.model import Model
model = Model(wakeword_models=["my_model.onnx"])
scores = model.predict(audio_frame)这条路线自主性最高，适合熟悉 Python、机器学习依赖和音频数据处理，并愿意持续维护训练环境的团队。
方案二：在线生成模型，离线运行
在听词输入一个唤醒词，或者输入多个固定命令词，训练完成后下载模型包。ONNX 模型可以用于 Python、Linux、Windows、macOS、Android 和 Web 的 ONNX Runtime 集成；TFLite 模型可以部署到兼容的移动端或嵌入式运行环境。实际识别在设备本地完成，音频不需要上传服务器。
- 确定唤醒词或命令词，尽量避免太短、太常见的词。
- 生成并下载 ONNX 或 TFLite 模型包。
- 从开源推理示例开始接入。
- 在真实设备上测试不同说话人、距离和背景噪声。
- 先调整阈值和冷却时间，再绑定开门、付款等敏感动作。
怎么选择？
如果你希望从数据到训练环境全部由自己掌控，选择 openWakeWord；如果你希望快速获得标准模型文件，同时让部署和运行不依赖训练平台，选择听词；如果项目需要明确的厂商 SLA、官方 SDK 和商业支持，可以继续选择商业方案。
迁移时真正要确认：运行时是否需要联网或密钥、模型能否跨平台、目标语言是否真正可用，以及许可证是否覆盖你的产品。“离线”本身不能回答这四个问题。
生成离线唤醒词模型