智能设备新选择：小云小云语音唤醒系统部署教程

智能设备新选择：小云小云语音唤醒系统部署教程

1. 引言

你有没有想过，为什么现在的智能音箱、智能手表、甚至一些手机，都能做到“一喊就应”？比如对着设备说“小爱同学”、“Hey Siri”，它就能立刻被唤醒，开始听你的指令。这背后，其实都离不开一项关键技术——语音唤醒。

简单来说，语音唤醒就是让设备在待机状态下，也能一直“竖着耳朵”听周围的声音，一旦听到你设定的关键词（比如“小云小云”），就立刻“醒过来”进入工作状态。这就像给设备装了一个24小时在线的“耳朵”，既省电，又方便。

今天，我要带你部署的，就是这样一个专为移动设备打造的轻量级语音唤醒系统。它叫“小云小云”，名字很亲切，但能力很专业。它最大的特点就是轻巧和高效：模型只有750K大小，处理1秒的音频只需要25毫秒，非常适合手机、手表这类资源有限的设备。

通过这篇教程，你将学会如何从零开始，把这个“聪明的小耳朵”部署到你的服务器上，并通过一个漂亮的网页界面来使用它。整个过程非常简单，即使你之前没接触过语音技术，也能轻松上手。

2. 系统概览：它是什么，能做什么？

在动手之前，我们先花几分钟了解一下这个系统到底是什么，以及它能帮你解决什么问题。

2.1 核心功能：一个聪明的“关键词监听器”

这个系统的核心任务只有一个：从连续不断的音频流中，准确地识别出“小云小云”这个关键词。

听起来简单，但做起来不容易。它需要：

• 一直听：7x24小时不间断地分析麦克风采集到的声音。
• 准确判断：在嘈杂的环境、不同的口音下，依然能准确识别出目标词。
• 快速响应：一旦识别到，立刻触发后续动作（比如打开语音助手），延迟要足够低。

我们这个系统，在450条测试数据上，唤醒率达到了93.11%；在长达40小时的“非唤醒词”音频测试中，一次都没有误唤醒。这个成绩，对于一个小巧的移动端模型来说，相当不错。

2.2 技术亮点：为什么选择它？

市面上语音唤醒的方案很多，为什么推荐这个呢？主要是因为它有以下几个突出的优点：

• 极其轻量：整个模型只有约75万个参数，文件很小，对CPU和内存的消耗极低，天生就是为嵌入式设备和移动端APP准备的。
• 速度飞快：它的实时率（RTF）只有0.025。这意味着处理1秒钟的音频，只需要0.025秒（25毫秒）。几乎是“瞬间”完成检测。
• 使用灵活：不仅支持“小云小云”，你还可以通过简单的配置，将它改成任何你想要的中文唤醒词，比如“小白小白”、“打开空调”等等。
• 开箱即用：项目提供了完整的Web操作界面（基于Streamlit），你不需要写任何代码，打开网页就能上传音频、查看结果，对开发者非常友好。

2.3 它能用在哪儿？

这个系统的应用场景非常广泛：

• 智能音箱/智能家居：作为设备的“唤醒开关”。
• 车载语音助手：开车时，用语音唤醒导航或音乐。
• 手机/手表APP：为你的APP增加“免触碰”语音唤醒功能。
• 录音笔或会议设备：设定关键词，自动开始录制重要片段。

接下来，我们就进入实战环节，一步步把它跑起来。

3. 环境准备与快速部署

我们的部署目标是一台Linux服务器（推荐Ubuntu 24.04）。别担心，整个过程我已经为你梳理成了清晰的步骤，你只需要跟着做就行。

3.1 第一步：检查你的“装备”

在开始之前，请确认你的服务器满足以下最低要求：

• 操作系统：Linux (Ubuntu 20.04/22.04/24.04 都行)
• CPU：1个核心就够
• 内存：至少1GB
• 磁盘空间：500MB以上
• 网络：能正常访问互联网（用于安装依赖）

你可以通过以下命令快速检查：

# 查看系统信息 lsb_release -a # 查看CPU和内存 free -h df -h

3.2 第二步：了解项目结构

当你拿到这个镜像后，主要的文件和目录结构是这样的：

/root/ ├── speech_kws_xiaoyun/ # 核心项目目录 │ ├── streamlit_app.py # Web界面主程序 │ ├── finetune_avg_10.pt # 训练好的模型文件 │ ├── configuration.json # 模型配置文件 │ ├── keywords.json # 唤醒词配置文件 │ └── example/ # 示例音频文件 ├── start_speech_kws_web.sh # 一键启动脚本 └── test_kws.py # 命令行测试脚本

这个结构很清晰，speech_kws_xiaoyun里是核心代码和模型，根目录下的两个脚本是给我们用的“快捷方式”。

3.3 第三步：一键启动Web服务

这是最简单的一步。系统已经预置好所有环境（Python、Conda环境、依赖包），你只需要运行一个脚本。

打开你的终端，连接到服务器，执行：

cd /root bash start_speech_kws_web.sh

这个脚本会做以下几件事：

1. 激活名为speech-kws的 Conda 虚拟环境（里面已经装好了所有Python包）。
2. 启动Streamlit网页服务，并监听7860端口。
3. 将服务的日志输出到/var/log/speech-kws-web.log。

执行后，你应该能看到类似下面的输出，最后一行提示服务已经运行在http://0.0.0.0:7860：

... You can now view your Streamlit app in your browser. Network URL: http://xxx.xxx.xxx.xxx:7860 External URL: http://xxx.xxx.xxx.xxx:7860

恭喜！到这里，核心服务就已经启动成功了。

3.4 第四步：访问Web界面

现在，打开你的浏览器。

• 如果你就在服务器本机上操作，访问：http://localhost:7860
• 如果你是从其他电脑远程访问服务器，访问：http://你的服务器IP地址:7860

稍等片刻，一个简洁美观的操作界面就会加载出来。界面主要分为左右两栏：

• 左侧：是控制区，可以设置唤醒词、上传音频文件。
• 右侧：是结果展示区，会显示检测到的唤醒词、置信度等信息。

如果页面打不开，请回到终端，检查服务是否真的在运行：

ps aux | grep streamlit

如果看不到相关进程，可以查看启动日志找原因：

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

4. 快速上手：你的第一次语音唤醒检测

服务跑起来了，界面也打开了，我们来实际用一下，看看效果。

4.1 使用示例音频快速测试

为了让你立刻看到效果，项目自带了一个示例音频文件。它的内容就是清晰地说“小云小云”。

在Web界面中，按以下步骤操作：

1. 在左侧“唤醒词”输入框里，确认是“小云小云”（默认就是它）。
2. 点击“选择音频文件”按钮，在弹出的文件选择器中，导航到/root/speech_kws_xiaoyun/example/目录，选择kws_xiaoyunxiaoyun.wav这个文件。
3. 点击大大的“ 开始检测”按钮。

等待1-2秒，右侧的结果区就会刷新。你应该会看到类似这样的结果：

检测到唤醒词：小云小云 置信度：0.95 可靠性：高

“置信度”可以理解为系统有多确信自己听到了唤醒词，0.95代表非常有把握。这说明系统工作正常！

4.2 用麦克风实时录音测试

除了上传文件，你还可以直接使用麦克风。这更能模拟真实场景。

1. 确保你的服务器或本地电脑连接了麦克风。
2. 在Web界面左侧，找到“或使用麦克风录音”部分。
3. 点击“开始录音”按钮，然后清晰地对着麦克风说“小云小云”。
4. 说完后点击“停止录音”。
5. 系统会自动上传刚才的录音，并开始检测。结果会同样显示在右侧。

4.3 试试自定义唤醒词

这个系统不只能识别“小云小云”。在左侧的“唤醒词”输入框里，你可以输入任何中文词汇，比如“打开灯光”、“你好小智”，多个词可以用逗号隔开，例如“小云小云，小白小白”。

输入新的唤醒词后，重复上面的上传或录音步骤。你会发现，系统会尝试从音频中寻找你刚设定的新词。不过要注意，模型最初是针对“小云小云”优化的，对于全新的词，准确率可能会有所变化。

5. 进阶使用与集成指南

如果你是一名开发者，想把这个功能集成到自己的应用里，那么Web界面可能就不够了。下面我们来看看如何通过代码来调用它。

5.1 命令行测试

项目根目录提供了一个简单的Python测试脚本test_kws.py。在运行它之前，需要先激活正确的环境。

打开一个新的终端窗口，执行：

# 激活Conda环境 source /opt/miniconda3/bin/activate speech-kws # 切换到项目根目录 cd /root # 运行测试脚本 python test_kws.py

这个脚本会使用示例音频进行检测，并将结果打印在终端里。你可以打开这个脚本看看，它其实就是下面代码调用方式的一个简单封装。

5.2 Python代码集成（核心）

这才是将唤醒功能嵌入到你项目中的正确方式。核心是使用FunASR库提供的AutoModel接口。

创建一个新的Python文件，比如my_kws.py，写入以下代码：

from funasr import AutoModel # 1. 加载唤醒模型 # 关键参数说明： # model: 模型所在目录 # keywords: 要检测的唤醒词，多个词用逗号隔开 # device: 指定使用'cpu'或'cuda'（如果有GPU） model = AutoModel( model='/root/speech_kws_xiaoyun', keywords='小云小云,打开空调', # 可以同时检测多个词 output_dir='/tmp/outputs/debug', # 可选，中间文件输出目录 device='cpu' # 在CPU上运行 ) # 2. 对单个音频文件进行检测 audio_path = '/path/to/your/audio.wav' # 替换成你的音频文件路径 result = model.generate(input=audio_path, cache={}) # 3. 打印结果 print("检测结果：", result) # 结果是一个列表，每个元素是一个字典，包含检测到的词、开始结束时间、置信度等。

运行这个脚本，你就能在程序中获得结构化的检测结果，然后根据结果去触发你的业务逻辑，比如播放音乐、打开灯等等。

5.3 批量处理音频文件

如果你有很多录音文件需要分析，可以用一个循环来批量处理：

from funasr import AutoModel import os model = AutoModel(model='/root/speech_kws_xiaoyun', keywords='小云小云', device='cpu') audio_folder = '/path/to/your/audio/folder' for filename in os.listdir(audio_folder): if filename.endswith('.wav') or filename.endswith('.mp3'): full_path = os.path.join(audio_folder, filename) result = model.generate(input=full_path, cache={}) if result and len(result[0]) > 0: # 如果检测到结果 print(f"文件 {filename} 中检测到唤醒词！") print(f"详情：{result}")

6. 系统管理与维护

让服务稳定、长久地运行，还需要一些管理操作。

6.1 服务的启动、停止与重启

• 启动服务：我们已经用过了bash /root/start_speech_kws_web.sh。
• 停止服务：

  pkill -f "streamlit run streamlit_app.py"

• 重启服务（常用）：

  pkill -f "streamlit run streamlit_app.py" sleep 2 # 等待2秒确保进程结束 bash /root/start_speech_kws_web.sh

• 查看服务状态：

  ps aux | grep streamlit # 如果看到有包含‘streamlit_app.py’的进程，说明服务正在运行。

6.2 设置开机自动启动

你肯定不希望每次服务器重启后，都要手动登录上来运行启动脚本。我们可以利用Linux的cron计划任务来实现开机自启。

检查一下，这个功能镜像可能已经为你配置好了。运行：

crontab -l

如果输出中包含@reboot /root/start_speech_kws_web.sh这一行，那就说明已经配置好了。下次服务器重启，服务会自动运行。

如果没有，你可以手动添加：

# 编辑当前用户的cron任务 crontab -e # 在打开的文件末尾添加一行 @reboot /root/start_speech_kws_web.sh # 保存并退出编辑器（如果是nano，按Ctrl+X，然后按Y确认）

6.3 查看与排查日志

日志是排查问题的利器。所有Web服务的运行日志都写在/var/log/speech-kws-web.log。

• 实时查看最新日志：tail -f /var/log/speech-kws-web.log
• 查看最近100行日志：tail -n 100 /var/log/speech-kws-web.log
• 搜索错误信息：grep -i error /var/log/speech-kws-web.log

7. 常见问题与故障排除

在实际使用中，你可能会遇到一些小问题。这里列出了最常见的几种情况及其解决方法。

7.1 Web界面无法访问（端口7860打不开）

可能原因1：服务没启动。解决：按照“6.1”章节的方法，检查并启动服务。

可能原因2：防火墙或安全组阻止了7860端口。解决：如果你用的是云服务器（如阿里云、腾讯云），需要登录云控制台，在服务器的安全组规则中，添加一条入方向规则，允许TCP协议的7860端口。

可能原因3：端口被其他程序占用。解决：检查7860端口是否被占用，并终止占用进程。

# 查看谁在占用7860端口 sudo lsof -i:7860 # 如果被占用，记下PID，然后用 kill -9 PID 结束它。 # 或者，你可以修改启动端口。编辑 /root/start_speech_kws_web.sh，将 --server.port 7860 改成其他端口，比如 7861。

7.2 检测置信度很低（比如低于0.5）

这通常意味着系统听到了类似的声音，但不确定是不是唤醒词。可能原因：

1. 音频质量差：背景噪音太大、录音音量太小、或者说话人离麦克风太远。
2. 发音不标准：口音过重，或者语速太快。
3. 音频格式问题：模型最擅长处理16kHz采样率、单声道的WAV格式。如果你上传的是其他格式（如高采样率的MP3），系统内部会进行转换，可能影响效果。

解决建议：

• 尽量在安静环境下，用清晰的普通话、正常的语速说唤醒词。
• 尝试将你的音频文件转换为标准的16kHz单声道WAV格式。可以用免费的音频处理软件（如Audacity）或ffmpeg命令：

  ffmpeg -i input.mp3 -ar 16000 -ac 1 output.wav

7.3 服务启动失败，日志报错

如果运行启动脚本后立刻退出，或者日志里有明显的ERROR，请按顺序排查：

1. 检查Conda环境：手动激活环境，看是否报错。

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

2. 检查关键依赖：确保ffmpeg已安装，它是处理多种音频格式的关键。

   ffmpeg -version # 如果未安装，运行：sudo apt-get update && sudo apt-get install -y ffmpeg

3. 查看完整错误日志：仔细阅读/var/log/speech-kws-web.log文件开头的错误信息，通常能定位到具体问题。

8. 总结

到这里，我们已经完成了一个完整的移动端语音唤醒系统“小云小云”的部署和基础使用。让我们简单回顾一下：

1. 我们做了什么：从理解语音唤醒的概念开始，到成功在Linux服务器上部署了服务，并通过Web界面和Python代码两种方式，实现了对“小云小云”及其他自定义关键词的检测。
2. 这个系统的优势：轻（750K模型）、快（25ms延迟）、准（93%唤醒率）、稳（极低误唤醒）。这些特性让它成为智能穿戴、车载设备、轻量级APP等移动场景的理想选择。
3. 你获得了什么：一个可立即投入使用的语音唤醒服务。你可以用它来快速验证产品创意，也可以将其作为核心模块，集成到你的智能硬件或软件产品中。

语音交互正在变得越来越普遍，而唤醒技术是这扇大门的“敲门砖”。希望这个简单易用的“小云小云”系统，能成为你探索智能语音世界的第一块积木。

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。