上海交通大学主页校地产学研对接与资源平台试运行登录注册 / 入驻
湖南高等研究院衡阳分院
首页/成果库/流式关键词唤醒与噪声鲁棒语音前端(KWStreamingSearch开源实现TDT-KWS / CDC-KWS / MFA-KWS;另有NTC-KWS、关键词引导目标说话人提取等论文)
成果库感知

流式关键词唤醒与噪声鲁棒语音前端(KWStreamingSearch开源实现TDT-KWS / CDC-KWS / MFA-KWS;另有NTC-KWS、关键词引导目标说话人提取等论文)

俞凯团队面向资源受限的边缘设备开发的流式关键词检测(唤醒)算法,同时覆盖Transducer和CTC两条技术路线;配套端侧多通道语音增强和关键词引导的目标说话人提取。

更新于 2026-09-13
负责团队
X-LANCE 俞凯课题组(Yu Xi、Haoyu Li、Xiaoyu Gu 等)
所属学院
计算机学院
技术成熟度
TRL 5
合作方式
联合开发委托研发技术服务
产业链环节
感知
技术详情

KWStreamingSearch是X-LANCE三篇唤醒论文的官方流式解码实现,README声明采用Apache-2.0,但仓库没有附LICENSE文件。三篇分别是:TDT-KWS(ICASSP 2024)用Token-and-Duration Transducer做帧异步关键词搜索,推理显著提速,抗噪性优于RNN-T KWS;CDC-KWS(ICASSP 2025)用跨层判别一致性提升CTC路线在噪声下的鲁棒性;MFA-KWS(IEEE/ACM TASLP 2025,第33卷)做多头帧异步解码。仓库以外,同一团队还发表了NTC-KWS噪声感知CTC唤醒(ICASSP 2025)、文本自适应的可定制关键词检测(ICASSP 2022)等论文,这些没有收入该仓库。前端方面,团队发表了面向后端识别优化的端侧多通道语音增强(NCMMSC 2024),以及“检测—关注—提取”式的关键词引导目标说话人提取(IJCAI-ECAI 2026,合作者含Kate Knill、Mark Gales、Haizhou Li)。衡阳的麦克风阵列厂、语音模组厂和机器人主控厂可以联合做MCU/NPU端侧移植,实现车间和展厅等嘈杂环境下的低功耗自定义唤醒词与命令词识别。(来源:https://github.com/X-LANCE/KWStreamingSearch;https://arxiv.org/abs/2403.13332;https://x-lance.sjtu.edu.cn/papers;https://x-lance.sjtu.edu.cn/js/papers-data.js;https://x-lance.sjtu.edu.cn/~kaiyu/index_zh.html;https://x-lance.github.io/kaiyu/index_zh.html)

关键指标

KWStreamingSearch GitHub 95 星 / 5 fork(2026-09-13 实测);README称MFA-KWS在Snips、MobvoiHotwords、LibriKWS-20上达到SOTA

专利 / 软著
登录后可见 · 登录
相关专家
俞凯(Kai Yu)
联系人与方式
仅分院工作人员可见

关联到这里的记录