零基础教程：手把手搭建小云小云语音唤醒系统

1. 系统介绍与环境准备

小云小云语音唤醒系统是一套专门为移动设备设计的轻量级语音识别方案，能够准确识别"小云小云"这个唤醒词。无论你是想为手机应用添加语音唤醒功能，还是为智能设备增加语音交互能力，这个系统都能帮你快速实现。

1.1 系统核心特点

这个语音唤醒系统有几个很实用的特点：

• 识别准确率高：测试显示能正确识别93%以上的"小云小云"唤醒词，而且几乎不会误识别其他声音
• 反应速度快：处理1秒钟的音频只需要25毫秒，几乎感觉不到延迟
• 资源占用少：整个模型只有750K大小，非常适合在手机等移动设备上运行
• 使用很方便：提供了网页界面和命令行两种使用方式，满足不同需求

1.2 环境要求

在开始之前，先确认你的设备满足以下要求：

• 操作系统：Linux（推荐Ubuntu 24.04）
• CPU：1核心以上
• 内存：1GB以上
• 磁盘空间：500MB以上空闲空间

2. 快速安装与启动

2.1 一键启动服务

系统已经预装好了所有需要的软件，你只需要运行一个命令就能启动：

/root/start_speech_kws_web.sh

这个脚本会自动完成所有准备工作，包括激活Python环境、启动网页服务等。运行后你会看到类似这样的输出：

正在启动语音唤醒服务...
服务已启动，请访问 http://localhost:7860

2.2 验证服务状态

启动后，可以通过以下命令检查服务是否正常运行：

ps aux | grep streamlit

如果看到有streamlit相关的进程在运行，说明服务启动成功了。

2.3 访问网页界面

打开浏览器，在地址栏输入：

http://localhost:7860

如果是在远程服务器上安装，需要把localhost换成你的服务器IP地址。成功打开后你会看到一个简洁的网页界面，左侧可以设置唤醒词，中间可以上传音频文件。

3. 网页界面使用指南

3.1 基本操作步骤

使用网页界面非常简单，只需要四步：

1. 设置唤醒词：在左侧"唤醒词"输入框中输入你要检测的词，默认是"小云小云"
2. 上传音频：点击"选择音频文件"按钮，选择你要测试的音频文件
3. 开始检测：点击"开始检测"按钮，系统会分析音频
4. 查看结果：右侧会显示检测结果，包括是否检测到唤醒词、置信度等信息

3.2 支持的文件格式

系统支持多种常见的音频格式：

• WAV（推荐使用，效果最好）
• MP3（最常见的音频格式）
• FLAC（无损压缩格式）
• OGG、M4A、AAC等格式

为了获得最佳效果，建议使用16kHz采样率的单声道WAV文件。

3.3 实时录音检测

除了上传文件，你还可以直接使用麦克风进行实时检测：

1. 点击界面上的麦克风图标
2. 允许浏览器访问麦克风权限
3. 说出"小云小云"或其他设置的唤醒词
4. 系统会实时分析并显示结果

这个功能很适合快速测试效果。

4. 命令行方式使用

如果你更喜欢用命令行，或者想要集成到自己的脚本中，系统也提供了命令行接口。

4.1 激活Python环境

首先需要激活专用的Python环境：

source /opt/miniconda3/bin/activate speech-kws

激活后命令行提示符会变化，表示进入了正确的环境。

4.2 运行测试脚本

系统提供了一个简单的测试脚本：

cd /root
python test_kws.py

这个脚本会自动使用示例音频进行测试，并输出检测结果。

4.3 编程方式调用

你可以在自己的Python程序中这样使用唤醒功能：

from funasr import AutoModel

# 初始化模型
model = AutoModel(
    model='/root/speech_kws_xiaoyun',
    keywords='小云小云',  # 可以改成其他唤醒词
    output_dir='/tmp/outputs',
    device='cpu'
)

# 检测音频文件
result = model.generate(
    input='你的音频文件.wav',
    cache={}
)

# 打印结果
print(f"检测结果: {result}")

5. 高级功能与定制

5.1 使用多个唤醒词

系统支持同时检测多个唤醒词，只需要用逗号分隔：

model = AutoModel(
    model='/root/speech_kws_xiaoyun',
    keywords='小云小云,你好小云,唤醒助手',  # 多个唤醒词
    output_dir='/tmp/outputs',
    device='cpu'
)

这样系统会同时检测这三个词，哪个被说出就返回哪个。

5.2 批量处理音频文件

如果你有很多音频文件需要处理，可以使用批量处理功能：

import os
from funasr import AutoModel

model = AutoModel(
    model='/root/speech_kws_xiaoyun',
    keywords='小云小云',
    device='cpu'
)

# 处理整个文件夹的音频
audio_folder = '/path/to/your/audios'
for file_name in os.listdir(audio_folder):
    if file_name.endswith('.wav'):
        file_path = os.path.join(audio_folder, file_name)
        result = model.generate(input=file_path, cache={})
        print(f"{file_name}: {result}")

5.3 自定义配置

你可以通过修改配置文件来调整系统行为：

nano /root/speech_kws_xiaoyun/config.yaml

常用的配置项包括置信度阈值、音频采样率等，修改后需要重启服务生效。

6. 常见问题解决

6.1 网页打不开怎么办

如果无法访问 http://localhost:7860，可以按以下步骤排查：

# 检查服务是否运行
ps aux | grep streamlit

# 检查端口是否被占用
netstat -tuln | grep 7860

# 重新启动服务
/root/start_speech_kws_web.sh

6.2 检测效果不理想

如果识别准确率不高，可以尝试以下方法：

• 确保音频是16kHz采样率的单声道格式
• 在安静环境下录制音频
• 说话时清晰准确地发出唤醒词
• 如果自定义唤醒词，选择与"小云小云"发音相似的词

6.3 服务启动失败

如果启动脚本报错，可以查看详细日志：

tail -f /var/log/speech-kws-web.log

常见的错误包括端口占用、环境配置问题等，根据日志提示解决即可。

7. 性能优化建议

7.1 音频预处理

为了获得最佳效果，建议对音频进行预处理：

• 转换为16kHz采样率
• 转换为单声道
• 标准化音量大小
• 去除背景噪声

7.2 系统调优

在高负载环境下，可以考虑以下优化：

• 增加CPU核心数
• 扩大内存容量
• 使用SSD硬盘提升IO性能
• 调整模型参数平衡准确率和速度

7.3 监控与维护

建议定期检查系统运行状态：

# 查看服务状态
ps aux | grep streamlit

# 查看资源使用
top -p $(pgrep -f streamlit)

# 查看日志文件
tail -n 100 /var/log/speech-kws-web.log

8. 总结

通过本教程，你已经学会了如何搭建和使用小云小云语音唤醒系统。这个系统具有安装简单、使用方便、性能优异的特点，非常适合在移动设备上部署。

关键要点回顾：

• 系统支持网页和命令行两种使用方式
• 识别准确率高，资源占用少
• 支持自定义唤醒词和批量处理
• 提供了完善的监控和维护工具

下一步建议：

• 尝试使用自己的音频文件进行测试
• 实验不同的唤醒词效果
• 考虑如何集成到你的实际项目中
• 关注系统更新，及时获取新功能

语音唤醒技术正在快速发展，现在正是学习和应用的好时机。希望这个系统能帮助你在语音交互领域探索出更多可能性。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。