Heehobino/nihao-zhenzhen-kws

你好真真 - 中文关键词检测模型

中文唤醒词/关键词检测模型，用于检测 "你好真真" (Ni Hao Zhen Zhen) 关键词。

模型变体

提供FP32和INT8两个版本：

版本	大小	阈值	F1	FAR	FRR	RTF
FP32 (默认)	13MB	0.52	89.47%	5.64%	2.30%	0.0185
INT8	5MB	0.46	89.01%	5.96%	2.30%	0.0140

• FP32: 精度更高，推荐用于服务器端
• INT8: 体积小62%，速度快24%，推荐用于嵌入式/移动端

安装

pip install -r requirements.txt

或手动安装依赖：

pip install sherpa-onnx sounddevice soundfile numpy

快速开始

实时麦克风检测

cd examples
python realtime_detection.py

运行后对着麦克风说 "你好真真" 即可看到检测结果。

Python API

from inference import load_model

# 加载FP32模型（默认）
detector = load_model()

# 或加载INT8模型（更小更快）
detector = load_model(variant="int8")

# 检测音频文件
result = detector.detect("path/to/audio.wav")
print(f"检测到关键词: {result['detected']}")
print(f"关键词: {result['keyword']}")

流式检测

import numpy as np
from inference import load_model

detector = load_model()
stream = detector.create_stream()

# 模拟流式音频输入
chunk_size = 1600  # 100ms @ 16kHz
audio_data = np.random.randn(chunk_size).astype(np.float32)

stream.accept_waveform(16000, audio_data.tolist())
while detector._kws.is_ready(stream):
    detector._kws.decode_stream(stream)

result = detector._kws.get_result(stream)
print(result)

目录结构

nihao-zhenzhen-kws/
├── model/                    # FP32模型 (13MB)
│   ├── encoder.onnx
│   ├── decoder.onnx
│   ├── joiner.onnx
│   ├── tokens.txt
│   └── keywords.txt
├── model_int8/               # INT8模型 (5MB)
│   ├── encoder.onnx
│   ├── decoder.onnx
│   ├── joiner.onnx
│   ├── tokens.txt
│   └── keywords.txt
├── examples/
│   └── realtime_detection.py
├── config.json
├── inference.py
├── requirements.txt
└── README.md

性能指标

在406个真实人声测试样本上的评估结果（63个正样本 "你好真真"，28个相似词 "你好珍珍/娟娟"，315个负样本）：

FP32模型

• F1分数: 89.47%
• 准确率: 95.07%
• 误报率 (FAR): 5.64%
• 漏检率 (FRR): 2.30%
• RTF: 0.0185

INT8模型

• F1分数: 89.01%
• 准确率: 94.33%
• 误报率 (FAR): 5.96%
• 漏检率 (FRR): 2.30%
• RTF: 0.0140

License

MIT License

致谢

• sherpa-onnx - 语音识别推理框架
• icefall - 模型训练框架