4015阵列式传声器咪头

语音唤醒（VT），可以理解为喊名字，引起听者的注意。比如苹果的“hey Siri”，google的“OKgoogle”，以及亚马逊echo系列产品的“Alexa”等。VT的目的是告诉机器人（或手机），的话是对你讲的哦，认真听好了。VT通常是在VAD检测到人声之后进行工作，他要判断人说的话是不是激活词（激活词就是上面的“heySiri”、“OKgoogle”以及“Alexa”等），如果是激活词，那么后续的语音就进行识别，否则后续的语音不进行处理。语音识别，不论是远场还是近场，基本都是在云端的，这样可以使用大模型，服务器的高速计算等优势获得好的识别结果。而VT基本是在本地设备上，它的要求更高。技术难点具体体现在以下几个方面：a）功耗要低。iphone4s出现Siri，但直到iphone 6s之后才允许不接电源的情况下直接喊“heySiri”进行语音唤醒，在此之前都需要接入电源的情况下进行语音唤醒。这是因为有6s上有一颗专门进行语音激活的低功耗芯片，当然算法和硬件要进行配合，算法也要进行优化。b）计算量要小。