Skip to content
TheChatArchiveThe Chat Archive
Claudeclaude-opus-4-20250514-thinking-16k· AnthropicHugging Face LMArena Human Preference 140K

openwakeword 如何训练中文唤醒词

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Metallama-4-maverick-17b-128e-instruct’s answer.
  1. User

    openwakeword 如何训练中文唤醒词

  2. Claude Assistant

    openwakeword 是一个开源的唤醒词检测框架,支持训练自定义唤醒词,包括中文。以下是训练中文唤醒词的基本步骤:

    数据准备

    1. 收集正样本

      • 录制目标唤醒词的音频,建议至少500-1000个样本
      • 确保有不同说话者(男女老少)、不同语速、不同音调的录音
      • 每个音频片段应该只包含唤醒词,长度通常1-2秒
    2. 收集负样本

      • 包含各种中文日常对话但不含唤醒词的音频
      • 背景噪音、音乐、其他环境声音
      • 负样本数量应该是正样本的5-10倍
    3. 数据格式

      • 音频格式:16kHz采样率,单声道,16位PCM
      • 可以使用ffmpeg转换:ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav

    训练流程

    1. 安装依赖
    pip install openwakeword
    pip install torch torchaudio numpy scipy
    
    1. 准备配置文件 创建训练配置,指定数据路径、模型参数等:
    config = {
        "model_name": "my_chinese_wakeword",
        "positive_data_dir": "path/to/positive/samples",
        "negative_data_dir": "path/to/negative/samples",
        "epochs": 100,
        "batch_size": 32,
        "learning_rate": 0.001
    }
    
    1. 数据增强 对于中文唤醒词,建议进行数据增强:
    • 添加背景噪音
    • 改变音高和语速
    • 添加混响效果
    1. 训练模型
    from openwakeword import train_model
    
    model = train_model(
        positive_samples=positive_data,
        negative_samples=negative_data,
        model_name="chinese_wakeword",
        epochs=100
    )
    

    中文特别注意事项

    1. 声调处理:中文有四个声调,确保训练数据覆盖不同声调变化
    2. 方言考虑:如果需要支持方言,要在训练数据中包含相应方言样本
    3. 相似音处理:注意收集与唤醒词发音相似的词作为负样本,提高区分度
    4. 多音字:如果唤醒词包含多音字,确保覆盖不同读音

    验证和优化

    1. 测试集评估

      • 准备独立的测试集(不用于训练)
      • 计算准确率、召回率、误唤醒率
    2. 实际场景测试

      • 在不同距离测试
      • 在有背景噪音的环境测试
      • 测试不同说话者
    3. 模型优化

      • 调整阈值以平衡准确率和误唤醒率
      • 如果效果不理想,增加更多样化的训练数据
      • 尝试不同的模型架构参数

    训练完成后,模型可以导出并集成到应用中使用。openwakeword的优势是模型体积小、延迟低,适合在边缘设备上运行。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.