Nihao Zhenzhen Kws

--- language: - zh license: mit library_name: sherpa-onnx tags: - keyword-spotting - wake-word - speech-recognition - onnx - zipformer - streaming - int8 - quantization pipeline_tag: audio-classification metrics: - f1 - accuracy --- # 你好真真 - 中文关键词检测模型 中文唤醒词/关键词检测模型，用于检测 "你好真真" (Ni Hao Zhen Zhen) 关键词。 ## 模型变体 提供FP32和INT8两个版本： | 版本 | 大小 | 阈值 | F1 | FAR | FRR | RTF | |------|------|------|-----|-----|-----|-----| | **FP32** (默认) | 13MB | 0.52 | 89.47% | 5.64% | 2.30% | 0.0185 | | **INT8** | 5MB | 0.46 | 89.01% | 5.96% | 2.30% | 0.0140 | - **FP32**: 精度更高，推荐用于服务器端 - **INT8**: 体积小62%，速度快24%，推荐用于嵌入式/移动端 ## 安装 ```bash pip install -r requirements.txt ``` 或手动安装依赖： ```bash pip install sherpa-onnx sounddevice soundfile numpy ``` ## 快速开始 ### 实时麦克风检测 ```bash cd examples python realtime_detection.py ``` 运行后对着麦克风说 "你好真真" 即可看到检测结果。 ### Python API ```python from inference import load_model # 加载FP32模型（默认） detector = load_model() # 或加载INT8模型（更小更快） detector = load_model(variant="int8") # 检测音频文件 result = detector.detect("path/to/audio.wav") print(f"检测到关键词: {result['detected']}") print(f"关键词: {result['keyword']}") ``` ### 流式检测 ```python import numpy as np from inference import load_model detector = load_model() stream = detector.create_stream() # 模拟流式音频输入 chunk_size = 1600 # 100ms @ 16kHz audio_data = np.random.randn(chunk_size).astype(np.float32) stream.accept_waveform(16000, audio_data.tolist()) while detector._kws.is_ready(stream): detector._kws.decode_stream(stream) result = detector._kws.get_result(stream) print(result) ``` ## 目录结构 ``` nihao-zhenzhen-kws/ ├── model/ # FP32模型 (13MB) │ ├── encoder.onnx │ ├── decoder.onnx │ ├── joiner.onnx │ ├── tokens.txt │ └── keywords.txt ├── model_int8/ # INT8模型 (5MB) │ ├── encoder.onnx │ ├── decoder.onnx │ ├── joiner.onnx │ ├── tokens.txt │ └── keywords.txt ├── examples/ │ └── realtime_detection.py ├── config.json ├── inference.py ├── requirements.txt └── README.md ``` ## 性能指标 在406个真实人声测试样本上的评估结果（63个正样本 "你好真真"，28个相似词 "你好珍珍/娟娟"，315个负样本）： ### FP32模型 - **F1分数**: 89.47% - **准确率**: 95.07% - **误报率 (FAR)**: 5.64% - **漏检率 (FRR)**: 2.30% - **RTF**: 0.0185 ### INT8模型 - **F1分数**: 89.01% - **准确率**: 94.33% - **误报率 (FAR)**: 5.96% - **漏检率 (FRR)**: 2.30% - **RTF**: 0.0140 ## License MIT License ## 致谢 - [sherpa-onnx](https://github.com/k2-fsa/sherpa-onnx) - 语音识别推理框架 - [icefall](https://github.com/k2-fsa/icef...