hektor: wake word «Гектор» (openWakeWord)
Кастомна модель openWakeWord для слова «Гектор». Вхід: ознаки з embedding-моделі openWakeWord, форма x [1, 16, 96]; вихід: ймовірність 0..1. ONNX opset 18 (onnxruntime >= 1.14).
Статус: перша експериментальна модель, якість поки замала для щоденного використання.
Метрики (validation, поріг 0.5)
| Метрика | Значення | Ціль |
|---|---|---|
| Recall | 0.22 | > 0.8 |
| Хибні спрацювання на годину | 1.42 | < 0.5 |
| Accuracy | 0.66 |
Поріг краще підбирати на реальному пристрої, ймовірно нижче за 0.5.
Дані та навчання
- Позитиви: синтетичні голоси (Cartesia, ElevenLabs, Gemini), 1265 train / 217 test (відкладені голоси).
- Негативи: 1982 train / 296 test + готові ознаки ACAV100M від openWakeWord.
- Аугментація: MIT RIR (270), AudioSet (1500 кліпів); FMA пропущено.
- steps 20000, augmentation_rounds 2, Google Colab T4, Python 3.13, 05.10.2026.
- Конфіг, логи та патчі для Colab: тека
training/. - Сирі аудіокліпи не публікуються.
Використання
from openwakeword.model import Model
m = Model(wakeword_models=["hektor.onnx"], inference_framework="onnx")
scores = m.predict(audio_frame_int16_16khz) # {"hektor": 0.0..1.0}
У pipecat-server: WakeGate(phrase="models/hektor.onnx"), ключ у predict(): hektor.
v2 (hektor_v2.onnx, 05.10.2026)
Дані: 2067/348 позитивів, 2700/408 негативів (1724 перезаписи через вуха робота, 39 живих), тестові голоси ті самі, фон + dataset/robot_bg. steps 20000, augmentation_rounds 2.
| v1 | v2 | |
|---|---|---|
| Recall | 0.22 | 0.13 |
| Хибні / год | 1.42 | 0.44 |
| Accuracy | 0.66 | 0.60 |
Конфіг і логи: training/v2/.
- Downloads last month
- -