多唤醒词识别模型
和单一唤醒词识别的思路一致，只不过训练的是多个唤醒词模型
建模单元之间一直说“音素”，其实应该说汉字声韵母
语言模型words可以是声韵母，或音节（声母+韵母组合）
减少误触发
方法1.雷博教
词典中唤醒词的音素映射 前后加sil（原来的音素映射不要了）
方法2：我做的，但是一开始没做好，雷博教
小源小源的音素映射 x iao vv van x iao vv van 改成 x x iao iao vv vv van van x x iao iao vv vv van van，我这样直接改变效果不好
雷博教，这样改了之后，训练数据也要改，重新训，效果才会好
方法3：不要prefix_drop，让唤醒率上去，误唤醒就能调低一点了，这样雷博说前面1s也要进行解码，会造成cpu使用快速上升
方法4：加二级DNN
方法5：雷博其他唤醒词作为一级，我的模型作为二级，级联
小结
- 实测：1w条测试集估计和训练集有重合，当实测0927_lei下，我的模型唤醒率低（和0927_lei测试集在kaldi结果一致，因此排除自研解码器原因；和adb打的log差别几条，因此排除log抓不全的原因），因此不是语言模型的原因，就是模型的问题导致测试效果不好；
- 速度扰动的数据增广有一定提升；
- 基于ce的声学模型，手调语言模型对自定义唤醒词不友好（唤醒语言模型权重没有一定规律，而雷博的chain model模型规律 两字、三字、四字唤醒词之间权重相近）；
- 基于ce的声学模型对于少分类可行（≤36分类），多分类不稳定（67分类），67分类ce model效果不及641分类chain model；
- 语言模型对唤醒结果有一定影响和作用，调到最好情况下，大语言模型权重大比小语言模型权重效果好（recall更高、far更低），2gram比1gram稳定，但是2gram手调数量太多，需要自动调参的手段。
- 语言模型的words，垃圾音可选全音素或者全音节，音素可减少解码路径，但是音素效果比音节差；因此对于超低功耗的唤醒词识别，垃圾音选择音素；对于ftv项目，选择音节；
- 语言模型的垃圾音为音素时，是唤醒词里有的每个音素 + 唤醒词里没有的音素用一个音表示（比如gbg）；需要与建模单元相同，假如全部垃圾音都用gbg表示，由于训练时这些音用的是自有音素表示，因此gbg无法表示这些音，造成far上升；
模型汇总
…