语音唤醒的技术路线

经过长时间的发展
，语音唤醒的技术路线大致可归纳为三代，特点如下：

第一代：基于模板匹配的KWS

训练和测试的步骤比较简单 ，训练就是依据注册语音或者说模板语音进行特征提取
，构建模板。测试时，通过特征提取生成特征序列 ，计算测试的特征序列和模板序列的距离
，基于此判断是否唤醒 。

第二代：基于HMM-GMM的KWS

将唤醒任务转换为两类的识别任务，识别结果为keyword和non-keyword。

第三代：基于神经网络的方案

神经网络方案又可细分为几类 ，第一类是基于HMM的KWS，同第二代唤醒方案不同之处在于
，声学模型建模从GMM转换为神经网络模型
。 第二类融入神经网络的模板匹配，采用神经网络作为特征提取器。第三类是基于端到端的方案 ，输入语音
，输出为各唤醒的概率，一个模型解决 。

语音唤醒的难点

语音唤醒的难点 ，主要是低功耗要求和高效果需求之间的矛盾
。

一方面
，目前很多智能设备采用的都是低端芯片，同时采用电池