在某些特定情況下，我們并不關心說話者所說的每一句話，只是想了解個大概的主題，這時關鍵詞檢測系統(tǒng)是理想的選擇。關鍵詞檢測是語音識別技術的一個重要分支，其目的就是在連續(xù)語音流中檢測是否存在某些感興趣的關鍵詞。
在關鍵詞檢測的很多實際應用中，輸入的信號是各種信道的自然對話語音數(shù)據(jù)。一般來說，由于聲學模型和語音數(shù)據(jù)的不匹配，關鍵詞檢測的性能會急劇地下降。為了解決這個問題，中科信利研發(fā)的關鍵詞檢測系統(tǒng)采用了一種基于混淆網(wǎng)絡的搜索策略。與以往不同的是，解碼是在整個聲學空間上進行的，而不僅僅是關鍵詞所構成的聲學空間，解碼器輸出不僅是首選結果，而是一種混淆網(wǎng)絡的數(shù)據(jù)結構。通過統(tǒng)計訓練數(shù)據(jù)中的發(fā)音變異情況，我們得到音素間的混淆度。利用這種音素間的混淆度和關鍵詞列表，我們就可以從解碼器輸出的混淆網(wǎng)絡中搜索獲取最有可能出現(xiàn)的關鍵詞。這種方法大大提高了關鍵詞的識別率，但同時也引入了一定的虛警。最后，我們采用了可靠的置信度策略來有效地降低了虛警。
體系框架：
功能模塊：
語音識別模塊
首先，輸入的實時語音流或語音文檔，經(jīng)過語音分段模塊處理后，產(chǎn)生分段信息和語音片斷；其次，各語音片斷經(jīng)連續(xù)語音識別引擎進行識別產(chǎn)生網(wǎng)格結構；最后，網(wǎng)格結構經(jīng)分解對齊后產(chǎn)生音節(jié)混淆網(wǎng)絡。
索引模塊
分段信息和音節(jié)混淆網(wǎng)絡通過前向索引產(chǎn)生前向索引文件。前向索引文件再經(jīng)逆向索引產(chǎn)生逆向索引文件。采用逆向索引的數(shù)據(jù)結構，是為了方便和減速后續(xù)的搜索過程。
檢索模塊
給定的關鍵詞首先通過字音轉換產(chǎn)生音節(jié)序列，再通過應用音節(jié)混淆矩陣，采用中科信利在國際上首次提出的基于混淆網(wǎng)絡和模糊動態(tài)規(guī)劃的關鍵詞檢索策略，在逆向索引文件中進行快速模糊匹配，產(chǎn)生候選關鍵詞列表。
技術特點：
- 關鍵詞檢測引擎與說話人無關。支持自然對話語音（如：電話聊天，廣播電視訪談等）。
- 支持電話信道、廣播電視信道、互聯(lián)網(wǎng)信道等各類信道數(shù)據(jù)。
- 關鍵詞列表可由用戶自主定義和修改。
- 檢測結果不但包含關鍵詞在語音流或音頻文件中出現(xiàn)的位置，還包括相應的置信度得分。
- 操作點調(diào)整方便，可按不同的應用需求調(diào)整操作點閾值，使系統(tǒng)性能根據(jù)應用需求達到最優(yōu)。
- 引擎處理速度快，核心算法支持海量并行處理。適應于大規(guī)模語音數(shù)據(jù)的自動檢測。
- 引擎函數(shù)接口簡單，用戶可以方便靈活地應用開發(fā)。
性能指標：
應用范圍：
中科信利的關鍵詞檢測系統(tǒng)，居于國內(nèi)領先、國際先進水平。目前已在國內(nèi)電信、安全、廣電等多個行業(yè)領域中得到成功應用。
關鍵詞檢測的主要應用領域大概有以下兩個方面：一是國家的信息安全領域。主要是用來對敏感語音信號的監(jiān)測，一旦發(fā)現(xiàn)敏感關鍵詞可以立刻報警。二是多媒體檢索領域。采用關鍵詞檢測技術，可以利用文字檢測出感興趣的音視頻流。
