随着互联网技术和通信技术的飞速发现,人们被带入到了全球信息化的时代,计算机、手机成为人们进行工作、交流以及娱乐的重要工具。在人工智能时代大背景下,AI语音也得到了极大的发展,语音助手更是成为了智能终端设备不可或缺的软件,使人们走上了“解放”双手的智能之路。语音识别是人类与计算机进行交互关键技术,而语音唤醒是语音识别的入口,是人类可远距离操控智能设备的首要条件。语音唤醒的研究工作近些年才开始,相比于语音识别的研究工作,在技术上要显得不成熟得多。本文研究了语音唤醒技术在语音助手系统上应用与实现,实现了唤醒词“小T小T”在语音助手上的应用,主要工作如下:1、研究了语音唤醒技术的核心算法,语音唤醒任务是一种小资源级的关键词检索任务,目前常用的系统结构是基于隐马尔科夫模型的Keyword/Filler系统和端到端系统,本文讨论端到端系统,即输入的是语音特征,输出的是关键词结果。文中采用了基于注意力机制的端到端关键词检索系统,针对编码器结构、注意力机制、添加卷积层等进行实验,综合对比选出最佳语音唤醒神经网络模型。2、噪音和混响是影响语音唤醒的因素,对此,本文研究了基于神经网络的语音增强,用生成对抗网络模型进行实验研究,对比三种训练方式:单去噪、单去混响、以及去噪和去混响联合训练的方式,经实验表明,采用去混响和去噪联合训练的方式和其他两种方式相比,较好地实现了语音唤醒鲁棒性的增强。3、通过对语音助手系统的功能需求分析、数据分析、过程建模,设计并实现语音助手系统。该系统主要包括语音唤醒模块和智能对话模块,其中智能对话模块包括三个子模块:语音识别模块(ASR)、自然语言处理模块(NLP)、语音合成模块(TTS),文中分析了各个模块组成结构和数据流程,并设计了数据结构,完成了语音助手系统的搭建。本文介绍了语音唤醒技术在语音助手系统上的应用架构,经过实验证明,实现了语音唤醒技术的应用。通过验证语音唤醒技术在语音助手系统的应用,在智能终端设备(手机端和电视端)上进行了多场景的测试,基本能够完成语音唤醒任务。在智能电视终端不断进行压力测试,大约1小时可以生成1000条数据,最终达到了唤醒率95.58%,,误唤醒大约为0.6次/24小时。