雪童是一个可定制的热词检测引擎
snowbo的Python项目详细描述
#雪童热词检测
[kitt.ai]（http://kitt.ai）。
[主页]（https://snowboy.kitt.ai）
[完整文档]（http://docs.kitt.ai/snowboy）和[常见问题解答]（http://docs.kitt.ai/snowboy'faq）
[讨论组]（https://groups.google.com/a/kitt.ai/forum/！论坛/雪童讨论）（或发送电子邮件至snowboy discussion@kitt.ai）
（讨论组自2016年9月以来是新的，因为我们每天都收到许多消息。请把一般问题发过去。对于Bug，请使用GitHub问题。）
版本：1.2.0（3/25/2017）
\alexa支持
Snowboy现在为Raspberry PI上的[alexa AVS示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）带来免提体验！请参阅下面有关性能和如何使用其他Hotword型号的更多信息。
**供用户在实际环境中进行评估。为了评估的目的，我们准备了一个android应用程序，它可以安装和运行，开箱即用：[snowboyalexademo.apk]（https://github.com/kitt-ai/snowboy/raw/master/resources/alexa/snowboyalexademo.apk）（如果您以前安装过这个应用程序，请先卸载之前的任何一个）。
**个人模型**
*通过我们的[网站]（https://snowboy.kitt.ai）或[热词api]（https://snowboy.kitt.ai/api/v1/train/）创建您的个人热词模型
*用您的个人模型替换[alexa avs示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）（安装后）中的热词模型用您刚刚创建的个人模型替换您的个人模型.pmdl，用您克隆Alexa AVS示例应用程序存储库的实际路径替换$Alexa AVS示例应用程序路径。
cp your个人模型.pmdl$Alexa AVS示例应用程序路径/samples/wakewordagent/ext/resources/Alexa.umdl
````
*将"应用程序前端"设置为"false"`并更新[Alexa AVS示例应用程序代码]（https://github.com/alexa/alexa-avs-sample-app/blob/master/samples/wakewordagent/src/kittaisnowboywakewordengine.cpp）中的"sensitivity"，然后重新编译
`````
_ avs_sample_u app_path/samples/wake word agent/src/
**通用模型**
*将[Alexa AVS示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）（安装后）中的Hotword模型替换为您的通用模型
`````
；请将您的"通用"模型.umdl替换为您刚刚创建的个人模型，并将$Alexa AVS`U示例应用程序路径替换为Y所在的实际路径。ou
克隆了alexa avs示例应用程序存储库。
cp your_universal_model.umdl$alexa_avs_sample_app_path/samples/wakewordagent/ext/resources/alexa.umdl
`````
*更新[alexa avs示例应用程序代码]（https://github.com/alexa/alexa-avs-sample-app/blob/master/samples/wakewordagent/src/kittaisnowboywakewordengine.cp（p）并重新编译
````
；请用克隆alexa avs sample app存储库的实际路径替换$alexa avs_sample app_sample app_sample app存储库的实际路径。
cd$alexa avs_sample_sample app_sample app路径/samples/wakewordagent/src/
<
；修改kitaisnowaboywakewordengine.cpp并在第28行更新敏感度。
make
```
````
*运行Wake Wo引擎设置为"kitt_ai"的研发代理！
.kitt.ai/api/v1/train/``
端点。查看[完整文档]（http://docs.kitt.ai/snowboy）和示例[python/bash脚本]（examples/rest-api）（非常欢迎其他语言贡献）。
"："en"，
"年龄组"："10*19"，
"性别"："f"，
"麦克风"："麦克风类型"，
"令牌"，
{wave:"<；base64编码wave data>；"}，
{wave:"<；base64编码wave data>；"}，
"{wave:"<；base64编码的wave数据"}
]
}
然后您将得到一个训练有素的个人模型作为回报！
它由深层神经网络驱动，具有以下特性：
***高度可定制**：您可以在这里自由定义自己的神奇词组–
让它成为"芝麻开门"、"车库门打开"或"你好梦之家"，您可以命名它。
**总是在听**，但p保护您的隐私：Snowboy不使用互联网，也不*将您的声音传输到云端。
*轻量级和**嵌入式**：它甚至可以在树莓PI上运行，在最弱的PI（单核700MHz ARMV6）上消耗的CPU少于10%。
目前Snowboy支持（查看[库]（lib）文件夹）：
*所有版本的Raspberry PI（Raspbian基于Debian Jessie 8.0）
*64位Mac OS X
*64位Ubuntu（12.04和14.04）
*iOS
*Android
*Pine64（Debian Jessie 8.5，3.10.102 bsp2）
*Nvidia JEtsStx1（使用以上PNE64封装）
*NVIDIA JETSON TX2（使用PNE64封装）< BR/> *英特尔爱迪生（基于Debian WoZy 7.8的UBILIUX）BR/> *三星ARTIK（用FEDORA 25为ARMV7构建）
*ARM64（AGAR64，Ubuntu 16.04）
< BR> >以A**C+ +库**的形式使用语言swig生成的依赖包装
。我们欢迎新语言的包装——随时发送一个拉请求！目前我们已经建立了包装：
BR/> *Java/Android
*（感谢@ BrutNd）
* Perl（感谢@ EvooChann和@ NEKUZZ0R）
Perl（感谢@ iBugSuperSky]）BR/*Python
*iOS/SWIFT3（感谢@ GRIMROKRONCE）< BR/> *iOS/ObjiC（感谢@ PATRIKJQUIN）< BR/> BR/> I如果您想在其他硬件/操作系统上获得支持，请将您的请求发送到
[snowboy@kitt.ai]（mailto:snowboy.kitt.ai）
注意：**snowboy尚不支持Windows**。请在*nix平台上建立雪童。
pport
当您测试这些
模型时，请记住，它们可能不会针对您的特定设备或
环境进行优化。
以下是模型列表，以及您必须为它们使用的参数：
**resources/snowboy.umdl**：通用模型，用于热词"snowboy"。将
setsensitivity设置为0.5以获得更好的性能。
**resources/alexa.umdl**：热词"alexa"的通用模型。将
设置灵敏度设置为0.5，最好将applyfrontend（仅适用于覆盆子
pi）设置为true。这个模型被抑制了。
**resources/alexa/alexa_.umdl**：热词的通用模型
"alexa"。这项工作仍在进行中。将setsensitity设置为0.15。
**resources/alexa/alexa avs sample app/alexa.umdl**：针对[alexa avs sample app]优化的
热词"alexa"的通用模型（https://github.com/alexa/alexa avs sample app）。
set setsensitity to 0.6，并将applyfrontend（仅适用于覆盆子pi）
设置为true。这是迄今为止我们公开发布的最好的"Alexa"模型，当
applyfrontend设置为true时。
有关快速安装运行：
npm install--save snowboy
有关示例用法，请参见"examples/node"文件夹。您可能需要安装
依赖项，如"fs"、"wav"或"node-record-lpcm16"，具体取决于您使用的脚本。
python demo预编译的二进制文件
*64位ubuntu[12.04]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/ubuntu1204-x86-u64-1.2.0.tar.bz2）
/【14.04】（https://s3-us-west-2.amazonaws.com/snowboboy/snowboboy/snowboboy releases/ubuntu1404-x86-x86-x86-64-1.2.0 tar.bz2）
*[macos x]（https://s3-us-west-2.amazonaws.com/snowboy/snowboboboy releas/osx-x86-64-1.2.2.0.tar.bz2）
*raspbberry pi with raspbian 8.0，所有版本
（【1/2/2/2/2/3/3/0】（https://s3-us-west-west-2.2.2.是的zonaws.com/snowboy/snowboy releases/rpi-arm-raspbian-8.0-1.2.0.tar.bz2））
*pine64（debian jessie 8.5（3.10.102））、nvidia jetson tx1和nvidia jetson tx2（[下载]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/pine64-debian-jessie-1.2.0.tar.bz2））
*英特尔爱迪生（ubilinux bas）在Debian Wheezy 7.8上编辑（[下载]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/edison-ubilinux-1.2.0.tar.bz2））
lowing，这取决于您使用的演示程序和使用的平台：
*sox（音频转换）
*portaudio或pyaudio（音频捕获）
*swig 3.0.10或更高版本（为不同语言/平台编译snowboy）
*atlas或openblas（矩阵计算）
y您还可以在下面找到安装依赖项所需的确切命令。
\mac os x
`brew`install`swig`、`sox`、`portaudio`及其python绑定`pyaudio`:
brew install swig portaudio sox
pip install pyaudio
如果您没有安装自制程序，请[在此处]（http://brew.sh/）下载。如果你没有"pip"，你可以安装它[在这里]（https://pip.pypa.io/en/stable/installing/）。
`"sox"、"portaudio"及其python绑定"pyaudio"：
sudo apt get install swig3.0 python pyaudio python3 pyaudio sox
pip install pyaudio
然后安装"atlas"矩阵计算库：
sudo apt get install libatlas base dev
您可以用麦克风录制音频：
rec t.wav
Raspberry PI需要安装以下依赖项：
sudo apt get install libmagic dev libatlas base dev
然后要编译插件，请从Snowboy存储库的根目录运行以下命令：
compile一个Java包装器：BR/> BR/>你必须安装JDK。< BR/> CD SWIG/JavaBR/>使
BR/> SWIG将生成一个名为"Java'的目录，它包含转换的Java包装器和一个名为‘JNILBS’的目录，包含JNI库。
BR/>运行Java示例脚本：BR/> BR/> CD示例/javaBR/>使运行
BR/>α编译Python包装器
BR/> CD SWIG/Python
使
BR/>swig将生成一个"snowboydetect.so"文件和一个简单（但很难读取）的python包装器"snowboydetect.py"。我们在上面提供了一个更高级的python包装器snowboydecoder.py。
wig/go
go build-o snowboy main.go
./snowboy.././resources/snowboy.umdl.././resources/snowboy.wav
adme.md`.
\/perl
如果您还没有cpanm，请安装它。
curl-l https://cpanmin.us perl--sudo app：：cpanminus
注意，在Linux上，您必须首先安装portaudio包，例如：
apt get install portaudio19 dev
sudo cpanm--installdeps。
/snowboy_restful_train.pl<；api_token>；<；hotword>；<；language>；
运行snowboy google speech api示例。默认情况下，它使用snowboy
通用热词。
./snowboy
编译ios包装器
在objective-c中使用snowboy库并不真正需要包装器。它基本上与Objtovi.C中使用C++库相同。我们为iOS设备编译了一个"FAT"静态库，见这里的库"LB/iOS/LIB SunBooth.A.B./BR/> BR/>初始化Objul-C中的雪人检测器：
BR/>雪人：SunByoBythy:SunByoDebug =新雪人：：中岛幸惠STD：[B[/NStraseBetrasePrimeRealthRe]：[Urf8]），
STD：：String（[[NSbBasePixePraseRealthRease:@ SunPosits OfType：@"UMDL"] UTF8String））；
SosiBybor -& Gt St灵敏度（"0.45"）；//对EAC的敏感性h hotword
snowboydector->；setaudiogain（2.0）；//audio gain for detection
to run hotword detection in objective-c:
调用"rundetection（）"的频率，它控制CPU使用率和检测延迟。
感谢@patrickjquinn和@grimlocksrocks，我们现在有了在objective-c和swift3中使用snowboy的示例。查看"examples/ios/"上的示例和下面的屏幕截图！
<；img src=https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/obj-c_demo-u 021772017.png alt="obj-c example"width=300/>；<；img src=https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/swift3_demo-u 021721717.png alt="swift3 example"width=300/>；
<
。；编译android包装器
完整的自述和教程在[android readme]中（examples/android/readme.md），这里有一个截图：
<；img src="https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/snowboy alexa demo-andriod.jpeg"alt="android alxa demo"width=300/>；
RoID应用程序，可以安装和运行，开箱即用：[snowboy alexa demo.apk]（https://github.com/kitt-ai/snowboy/raw/master/resources/alexa/snowboyalexademo.apk）（如果以前安装过此应用程序，请先卸载以前的任何一个）。
ples/python`文件夹并打开您的python con唯一：
in[1]：导入SnowboyDecoder
in[2]：def detected_callback（）：
….：打印"检测到的Hotword"
….：
in[3]：detector=SnowboyDecoder.HotwordDetector（"resources/Snowboy.umdl，sensitivity=0.5，audio撸gain=1）
在[4]：detector.start（detected_callback）
然后对麦克风说"snowboy"，查看雪童是何时检测到您的。
"snowboy.umdl"文件是一个"通用"模型，可以检测不同的人说"snowboy"。如果你想要其他的热词，请去[雪童.kitt.ai]（https://snowboy.kitt.ai）录制、训练和下载你自己的个人模型（一个`.pmdl'文件）。
但您可能会收到更多错误警报。
"音频增益"控制是增加（gt；1）还是减少（lt；1）输入音量。
意外的关键字参数"model_str"
您可能正在使用旧版本的swig。请升级。我们已经使用SWIG版本3.0.7和3.0.8进行了测试。
xa avs示例应用）
*新解码器适用于Alexa
**v1.1.1，3/24/2017等短热词**
*添加了Android演示
*添加了iOS演示
*添加了Samsung Artik支持
*添加了Go支持
*添加了Intel Edison支持
*添加了Pine64支持
*添加了Perl支持
*增加了一个更健壮的"alexa"模型（umdl）
*通过`/api/v1/train``端点提供hotword服务。
*解码器没有更改。
**v1.1.0，9/20/2016**
*增加了节点库。
*增加了对python3的支持。
*增加了通用模型alexa.umdl`
*更新了Universal Model"Snowboy.umdl"，使其在嘈杂的环境中工作。
**v1.0.4，7/13/2016**
*更新了Universal"Snowboy.umdl"模型，使其更加健壮。
*各种改进加快了检测速度。
*错误修复。
**v1.0.3，6/4/2016**
*更新了Universal的"snowboy.umdl"模型，使其在非语音环境中更加健壮。
*修复了使用float作为输入数据时的错误。
*增加了对Android ARMV7体系结构的库支持。
*增加了针对iOS的库。
**v1.0.2，5/24/2016**
*更新了Universal的"snowboy.umd"L模型BR/> *添加C++示例，文档将在下一个版本中出现。
BR/**VAD现在返回-沉默2，错误1，语音0，以及触发模型0。BR/> *添加Raspberry Pi静态库，以供人们编译自己而不使用TH。e二进制版本
**v1.0.0，5/10/2016**
*初始版本
[kitt.ai]（http://kitt.ai）。
[主页]（https://snowboy.kitt.ai）
[完整文档]（http://docs.kitt.ai/snowboy）和[常见问题解答]（http://docs.kitt.ai/snowboy'faq）
[讨论组]（https://groups.google.com/a/kitt.ai/forum/！论坛/雪童讨论）（或发送电子邮件至snowboy discussion@kitt.ai）
（讨论组自2016年9月以来是新的，因为我们每天都收到许多消息。请把一般问题发过去。对于Bug，请使用GitHub问题。）
版本：1.2.0（3/25/2017）
\alexa支持
Snowboy现在为Raspberry PI上的[alexa AVS示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）带来免提体验！请参阅下面有关性能和如何使用其他Hotword型号的更多信息。
**供用户在实际环境中进行评估。为了评估的目的，我们准备了一个android应用程序，它可以安装和运行，开箱即用：[snowboyalexademo.apk]（https://github.com/kitt-ai/snowboy/raw/master/resources/alexa/snowboyalexademo.apk）（如果您以前安装过这个应用程序，请先卸载之前的任何一个）。
**个人模型**
*通过我们的[网站]（https://snowboy.kitt.ai）或[热词api]（https://snowboy.kitt.ai/api/v1/train/）创建您的个人热词模型
*用您的个人模型替换[alexa avs示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）（安装后）中的热词模型用您刚刚创建的个人模型替换您的个人模型.pmdl，用您克隆Alexa AVS示例应用程序存储库的实际路径替换$Alexa AVS示例应用程序路径。
cp your个人模型.pmdl$Alexa AVS示例应用程序路径/samples/wakewordagent/ext/resources/Alexa.umdl
````
*将"应用程序前端"设置为"false"`并更新[Alexa AVS示例应用程序代码]（https://github.com/alexa/alexa-avs-sample-app/blob/master/samples/wakewordagent/src/kittaisnowboywakewordengine.cpp）中的"sensitivity"，然后重新编译
`````
_ avs_sample_u app_path/samples/wake word agent/src/
**通用模型**
*将[Alexa AVS示例应用程序]（https://github.com/alexa/alexa-avs-sample-app）（安装后）中的Hotword模型替换为您的通用模型
`````
；请将您的"通用"模型.umdl替换为您刚刚创建的个人模型，并将$Alexa AVS`U示例应用程序路径替换为Y所在的实际路径。ou
克隆了alexa avs示例应用程序存储库。
cp your_universal_model.umdl$alexa_avs_sample_app_path/samples/wakewordagent/ext/resources/alexa.umdl
`````
*更新[alexa avs示例应用程序代码]（https://github.com/alexa/alexa-avs-sample-app/blob/master/samples/wakewordagent/src/kittaisnowboywakewordengine.cp（p）并重新编译
````
；请用克隆alexa avs sample app存储库的实际路径替换$alexa avs_sample app_sample app_sample app存储库的实际路径。
cd$alexa avs_sample_sample app_sample app路径/samples/wakewordagent/src/
<
；修改kitaisnowaboywakewordengine.cpp并在第28行更新敏感度。
make
```
````
*运行Wake Wo引擎设置为"kitt_ai"的研发代理！
.kitt.ai/api/v1/train/``
端点。查看[完整文档]（http://docs.kitt.ai/snowboy）和示例[python/bash脚本]（examples/rest-api）（非常欢迎其他语言贡献）。
"："en"，
"年龄组"："10*19"，
"性别"："f"，
"麦克风"："麦克风类型"，
"令牌"，
{wave:"<；base64编码wave data>；"}，
{wave:"<；base64编码wave data>；"}，
"{wave:"<；base64编码的wave数据"}
]
}
然后您将得到一个训练有素的个人模型作为回报！
它由深层神经网络驱动，具有以下特性：
***高度可定制**：您可以在这里自由定义自己的神奇词组–
让它成为"芝麻开门"、"车库门打开"或"你好梦之家"，您可以命名它。
**总是在听**，但p保护您的隐私：Snowboy不使用互联网，也不*将您的声音传输到云端。
*轻量级和**嵌入式**：它甚至可以在树莓PI上运行，在最弱的PI（单核700MHz ARMV6）上消耗的CPU少于10%。
目前Snowboy支持（查看[库]（lib）文件夹）：
*所有版本的Raspberry PI（Raspbian基于Debian Jessie 8.0）
*64位Mac OS X
*64位Ubuntu（12.04和14.04）
*iOS
*Android
*Pine64（Debian Jessie 8.5，3.10.102 bsp2）
*Nvidia JEtsStx1（使用以上PNE64封装）
*NVIDIA JETSON TX2（使用PNE64封装）< BR/> *英特尔爱迪生（基于Debian WoZy 7.8的UBILIUX）BR/> *三星ARTIK（用FEDORA 25为ARMV7构建）
*ARM64（AGAR64，Ubuntu 16.04）
< BR> >以A**C+ +库**的形式使用语言swig生成的依赖包装
。我们欢迎新语言的包装——随时发送一个拉请求！目前我们已经建立了包装：
BR/> *Java/Android
*（感谢@ BrutNd）
* Perl（感谢@ EvooChann和@ NEKUZZ0R）
Perl（感谢@ iBugSuperSky]）BR/*Python
*iOS/SWIFT3（感谢@ GRIMROKRONCE）< BR/> *iOS/ObjiC（感谢@ PATRIKJQUIN）< BR/> BR/> I如果您想在其他硬件/操作系统上获得支持，请将您的请求发送到
[snowboy@kitt.ai]（mailto:snowboy.kitt.ai）
注意：**snowboy尚不支持Windows**。请在*nix平台上建立雪童。
pport
当您测试这些
模型时，请记住，它们可能不会针对您的特定设备或
环境进行优化。
以下是模型列表，以及您必须为它们使用的参数：
**resources/snowboy.umdl**：通用模型，用于热词"snowboy"。将
setsensitivity设置为0.5以获得更好的性能。
**resources/alexa.umdl**：热词"alexa"的通用模型。将
设置灵敏度设置为0.5，最好将applyfrontend（仅适用于覆盆子
pi）设置为true。这个模型被抑制了。
**resources/alexa/alexa_.umdl**：热词的通用模型
"alexa"。这项工作仍在进行中。将setsensitity设置为0.15。
**resources/alexa/alexa avs sample app/alexa.umdl**：针对[alexa avs sample app]优化的
热词"alexa"的通用模型（https://github.com/alexa/alexa avs sample app）。
set setsensitity to 0.6，并将applyfrontend（仅适用于覆盆子pi）
设置为true。这是迄今为止我们公开发布的最好的"Alexa"模型，当
applyfrontend设置为true时。
有关快速安装运行：
npm install--save snowboy
有关示例用法，请参见"examples/node"文件夹。您可能需要安装
依赖项，如"fs"、"wav"或"node-record-lpcm16"，具体取决于您使用的脚本。
python demo预编译的二进制文件
*64位ubuntu[12.04]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/ubuntu1204-x86-u64-1.2.0.tar.bz2）
/【14.04】（https://s3-us-west-2.amazonaws.com/snowboboy/snowboboy/snowboboy releases/ubuntu1404-x86-x86-x86-64-1.2.0 tar.bz2）
*[macos x]（https://s3-us-west-2.amazonaws.com/snowboy/snowboboboy releas/osx-x86-64-1.2.2.0.tar.bz2）
*raspbberry pi with raspbian 8.0，所有版本
（【1/2/2/2/2/3/3/0】（https://s3-us-west-west-2.2.2.是的zonaws.com/snowboy/snowboy releases/rpi-arm-raspbian-8.0-1.2.0.tar.bz2））
*pine64（debian jessie 8.5（3.10.102））、nvidia jetson tx1和nvidia jetson tx2（[下载]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/pine64-debian-jessie-1.2.0.tar.bz2））
*英特尔爱迪生（ubilinux bas）在Debian Wheezy 7.8上编辑（[下载]（https://s3-us-west-2.amazonaws.com/snowboy/snowboy releases/edison-ubilinux-1.2.0.tar.bz2））
lowing，这取决于您使用的演示程序和使用的平台：
*sox（音频转换）
*portaudio或pyaudio（音频捕获）
*swig 3.0.10或更高版本（为不同语言/平台编译snowboy）
*atlas或openblas（矩阵计算）
y您还可以在下面找到安装依赖项所需的确切命令。
\mac os x
`brew`install`swig`、`sox`、`portaudio`及其python绑定`pyaudio`:
brew install swig portaudio sox
pip install pyaudio
如果您没有安装自制程序，请[在此处]（http://brew.sh/）下载。如果你没有"pip"，你可以安装它[在这里]（https://pip.pypa.io/en/stable/installing/）。
`"sox"、"portaudio"及其python绑定"pyaudio"：
sudo apt get install swig3.0 python pyaudio python3 pyaudio sox
pip install pyaudio
然后安装"atlas"矩阵计算库：
sudo apt get install libatlas base dev
您可以用麦克风录制音频：
rec t.wav
Raspberry PI需要安装以下依赖项：
sudo apt get install libmagic dev libatlas base dev
然后要编译插件，请从Snowboy存储库的根目录运行以下命令：
compile一个Java包装器：BR/> BR/>你必须安装JDK。< BR/> CD SWIG/JavaBR/>使
BR/> SWIG将生成一个名为"Java'的目录，它包含转换的Java包装器和一个名为‘JNILBS’的目录，包含JNI库。
BR/>运行Java示例脚本：BR/> BR/> CD示例/javaBR/>使运行
BR/>α编译Python包装器
BR/> CD SWIG/Python
使
BR/>swig将生成一个"snowboydetect.so"文件和一个简单（但很难读取）的python包装器"snowboydetect.py"。我们在上面提供了一个更高级的python包装器snowboydecoder.py。
wig/go
go build-o snowboy main.go
./snowboy.././resources/snowboy.umdl.././resources/snowboy.wav
adme.md`.
\/perl
如果您还没有cpanm，请安装它。
curl-l https://cpanmin.us perl--sudo app：：cpanminus
注意，在Linux上，您必须首先安装portaudio包，例如：
apt get install portaudio19 dev
sudo cpanm--installdeps。
/snowboy_restful_train.pl<；api_token>；<；hotword>；<；language>；
运行snowboy google speech api示例。默认情况下，它使用snowboy
通用热词。
./snowboy
编译ios包装器
在objective-c中使用snowboy库并不真正需要包装器。它基本上与Objtovi.C中使用C++库相同。我们为iOS设备编译了一个"FAT"静态库，见这里的库"LB/iOS/LIB SunBooth.A.B./BR/> BR/>初始化Objul-C中的雪人检测器：
BR/>雪人：SunByoBythy:SunByoDebug =新雪人：：中岛幸惠STD：[B[/NStraseBetrasePrimeRealthRe]：[Urf8]），
STD：：String（[[NSbBasePixePraseRealthRease:@ SunPosits OfType：@"UMDL"] UTF8String））；
SosiBybor -& Gt St灵敏度（"0.45"）；//对EAC的敏感性h hotword
snowboydector->；setaudiogain（2.0）；//audio gain for detection
to run hotword detection in objective-c:
调用"rundetection（）"的频率，它控制CPU使用率和检测延迟。
感谢@patrickjquinn和@grimlocksrocks，我们现在有了在objective-c和swift3中使用snowboy的示例。查看"examples/ios/"上的示例和下面的屏幕截图！
<；img src=https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/obj-c_demo-u 021772017.png alt="obj-c example"width=300/>；<；img src=https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/swift3_demo-u 021721717.png alt="swift3 example"width=300/>；
<
。；编译android包装器
完整的自述和教程在[android readme]中（examples/android/readme.md），这里有一个截图：
<；img src="https://s3-us-west-2.amazonaws.com/kittai-cdn/snowboy/snowboy alexa demo-andriod.jpeg"alt="android alxa demo"width=300/>；
RoID应用程序，可以安装和运行，开箱即用：[snowboy alexa demo.apk]（https://github.com/kitt-ai/snowboy/raw/master/resources/alexa/snowboyalexademo.apk）（如果以前安装过此应用程序，请先卸载以前的任何一个）。
ples/python`文件夹并打开您的python con唯一：
in[1]：导入SnowboyDecoder
in[2]：def detected_callback（）：
….：打印"检测到的Hotword"
….：
in[3]：detector=SnowboyDecoder.HotwordDetector（"resources/Snowboy.umdl，sensitivity=0.5，audio撸gain=1）
在[4]：detector.start（detected_callback）
然后对麦克风说"snowboy"，查看雪童是何时检测到您的。
"snowboy.umdl"文件是一个"通用"模型，可以检测不同的人说"snowboy"。如果你想要其他的热词，请去[雪童.kitt.ai]（https://snowboy.kitt.ai）录制、训练和下载你自己的个人模型（一个`.pmdl'文件）。
但您可能会收到更多错误警报。
"音频增益"控制是增加（gt；1）还是减少（lt；1）输入音量。
意外的关键字参数"model_str"
您可能正在使用旧版本的swig。请升级。我们已经使用SWIG版本3.0.7和3.0.8进行了测试。
xa avs示例应用）
*新解码器适用于Alexa
**v1.1.1，3/24/2017等短热词**
*添加了Android演示
*添加了iOS演示
*添加了Samsung Artik支持
*添加了Go支持
*添加了Intel Edison支持
*添加了Pine64支持
*添加了Perl支持
*增加了一个更健壮的"alexa"模型（umdl）
*通过`/api/v1/train``端点提供hotword服务。
*解码器没有更改。
**v1.1.0，9/20/2016**
*增加了节点库。
*增加了对python3的支持。
*增加了通用模型alexa.umdl`
*更新了Universal Model"Snowboy.umdl"，使其在嘈杂的环境中工作。
**v1.0.4，7/13/2016**
*更新了Universal"Snowboy.umdl"模型，使其更加健壮。
*各种改进加快了检测速度。
*错误修复。
**v1.0.3，6/4/2016**
*更新了Universal的"snowboy.umdl"模型，使其在非语音环境中更加健壮。
*修复了使用float作为输入数据时的错误。
*增加了对Android ARMV7体系结构的库支持。
*增加了针对iOS的库。
**v1.0.2，5/24/2016**
*更新了Universal的"snowboy.umd"L模型BR/> *添加C++示例，文档将在下一个版本中出现。
BR/**VAD现在返回-沉默2，错误1，语音0，以及触发模型0。BR/> *添加Raspberry Pi静态库，以供人们编译自己而不使用TH。e二进制版本
**v1.0.0，5/10/2016**
*初始版本
欢迎加入QQ群-->： 979659372
