FSMN-KWS ONNXRuntime C++ Demo

本模块的目的是可以在1126B等本地硬件上能够接收关键字的唤起工作 关键字 如 大圣/悟空 等

为了debug更加低，所以工程需要支持mac环境和arm板子环境

本目录是可独立编译和运行的 macOS x86_64/Rosetta 版本，不依赖 FunASR、 Silero VAD 源码目录、Python、Homebrew 或系统安装的 ONNXRuntime/PortAudio。

目录（建议按此顺序阅读）

音频 ──► VAD ──►(有人声)──► KWS ──► 「已识别」

• main.cc：入口编排（命令行 / WAV / 麦克风循环）
• common.h / common.cc：共享常量、Options、Detection、字符串工具
• mic_input.h / mic_input.cc：麦克风采集与滑动窗
• vad_detector.h / vad_detector.cc：Silero VAD 人声门控
• kws_engine.h / kws_engine.cc：Fbank + FSMN ONNX + CTC 关键词识别
• keyword_action.h / keyword_action.cc：命中后的动作（默认可打印；可扩展）
• onnx_model/：FSMN-KWS、Silero VAD、CMVN、token、词典
• third_party/kaldi-native-fbank/：Fbank 特征源码
• include/ / lib/：ONNXRuntime、PortAudio（本地闭环）
• test/：大圣正样本

编译

需要 macOS Command Line Tools 和 CMake：

cd /Users/tjo/FunASR/FSMN-VAD
cmake -S . -B build
cmake --build build -j          # 生成 ./mic_demo
cmake --build build --target run       # 等价 make run
cmake --build build --target run_test  # 等价 make test

在源码根目录生成 mic_demo（与相邻的 lib/、onnx_model/ 就地可用）。

麦克风运行

./mic_demo --verbose

默认识别“大圣”和“悟空”，并支持 wǔ kōng 发音变体。 程序先运行 Silero VAD；只有检测到人声时才计算 Fbank 和 FSMN-KWS， 静音窗口会直接跳过。

自定义关键词：

./mic_demo --keyword "大圣,悟空,八戒" --verbose

调整判定阈值：

./mic_demo --min-score 0.08 --verbose

调整 VAD 人声阈值（默认 0.5，越低越敏感）：

./mic_demo --vad-threshold 0.4 --verbose

离线自检

cmake --build build --target run_test

预期输出包含：

大圣已识别
[模拟声源定位] 声音位于 -60°（左侧）
[模拟舵机] 从 90° 旋转到 30°
keyword=大圣

说明

打包的二进制依赖为 x86_64；Apple Silicon Mac 会通过 Rosetta 运行。若需要 原生 arm64 版本，需要换成 arm64 ONNXRuntime 和 PortAudio 后重新编译。