在终端设备上实现语音识别：ARM开源了TensorFlow预训练模型

林鳞 编译整理 量子位 出品 | 公众号 QbitAI

关键词识别（Keyword Spotting，KWS）是语音识别领域的一个子领域，在用户在智能设备上进行语音交互时起到重要作用。

△ 关键词识别pipeline

近日，ARM和斯坦福大学合作开源了预训练TensorFlow模型和它们的语音关键词识别代码，并将结果发表在论文Hello Edge: Keyword Spotting on Microcontrollers中。

这个开源库包含了TensorFlow模型和在论文中用到的训练脚本。

在论文中，研究人员还展示了不同的神经网络架构，包含DNN、CNN、Basic LSTM、LSTM、GRU、CRNN和DS-CNN，并将这些架构加入到预训练模型中。

预训练模型地址：

https://github.com/ARM-software/ML-KWS-for-MCU/tree/master/Pretrained_models

论文摘要

在研究中，研究人员评估了神经网络架构，并且在资源受限的微控制器上运行KWS。他们训练了多种神经网络架构变体，并比较变体之间的准确性和存储/计算需求。

△ 神经网络模型的准确性

研究人员发现，在不损失精确度的情况下，在存储了计算资源受限的微控制器上优化这些神经网络架构可行。

之后，研究人员还进一步探索了DS-CNN架构，并且和其他神经网络架构进行了对比。

结果证明，DS-CNN架构的准确性最高，为95.4%，比超参数相似的DNN模型精确度约高10%。

△ 超参数搜索中的最佳神经网络

相关资料

论文下载地址：

https://arxiv.org/pdf/1711.07128.pdf

项目代码地址：

https://github.com/ARM-software/ML-KWS-for-MCU