随着物联网和人工智能的发展,语音唤醒被逐渐应用在智能家居、车载系统、智能语音助手等许多场景中,给人们的生活带来便利。语音唤醒作为一种特定条件下的语音识别,不仅需要达到识别的准确性,还对模型的内存占用、计算复杂度、能耗和延迟等具有诸多限制。与传统方法相比,基于深度学习的语音唤醒模型具有诸多优势但很难达到多个性能指标上的均衡,并且在识别准确率上仍具有较大的提升空间;人工设计的神经网络架构其好坏依赖于设计者的经验和专业知识,往往需要耗费大量计算机资源;并且设计好的深度模型无法灵活的根据语音唤醒的不同应用环境进行调整。为了解决上述问题,本文研究了基于神经网络架构搜索的语音唤醒方法,主要研究工作如下:1,提出了一种基于可微分架构搜索的语音唤醒方法。该方法利用可微分的架构搜索自动构造语音唤醒的卷积神经网络,并采用一种硬件感知的代价函数,更好的平衡模型的识别准确率和计算代价。最后利用搜索出来的卷积单元,能够灵活的构建不同深度的语音唤醒模型。在Speech Commands数据集上的实验结果显示,与现有的基于卷积神经网络的语音唤醒模型相比,该方法在词错误率上降低了19.4%~68.8%,并且需要的计算量也相对较低。2,针对连续音频流上的语音唤醒场景,提出了一种基于注意力机制和可微分架构搜索的语音唤醒方法。该方法利用可微分的架构搜索构造延迟更低的循环神经网络,并利用注意力机制对音频流中不同片段给予不同的关注,进一步提高模型对于关键词的识别能力。最后,在连续音频流上的实验结果显示,与当前最优的基于循环神经网络的模型相比,在1 FA/小时的漏警率上降低了8.8%,参数量减少了11.3%。本文还探索了跨层注意力机制,能够在模型的参数量基本不变的情况下,进一步降低语音唤醒的漏警率。