关于 ctc 训练的 xiaowen 数据集的 kws 模型

[NoirCL]

我理解的 KWS 模型是这样的，基于 CTC 的 KWS 模型训练的输出是 2599 个 token 的概率，模型输入 N 帧 fbank 特征，输出也是 N * 2599 的概率矩阵，通过 CTC 的 beam search 去寻找可以匹配的关键字路径。在训练的过程中除了关键字的 token 其他的字也给了详细信息，而且每一帧输出的都是 2599 个 token 的概率，那么这个 KWS 模型应该不只是对关键词可以有很要的识别效果，对只要出现在字符集里面的字符应该识别效果也不错才对呀，为什么我在测试的时候，只有前面一部分含有关键词的 btach 的 acc 会达到 95 以上，其他的不含有关键词的 batch 的 acc 只有 10 % 左右，希望您看到问题可以回答一下疑惑，非常感谢🙏 @robin1001 @veelion @

[mlxu995]

有两个因素对通用数据上的准确率影响比较大： 1）模型太小了，没有足够大的学习能力，KWS实际也只要求能够准确的区分关键词和非关键词 2）训练数据（包括base模型和定制模型）存在同音字替换，可能一句话按发音是正确的，但是按汉字却是错误的

[HuXinjing]

有两个因素对通用数据上的准确率影响比较大： 1）模型太小了，没有足够大的学习能力，KWS实际也只要求能够准确的区分关键词和非关键词 2）训练数据（包括base模型和定制模型）存在同音字替换，可能一句话按发音是正确的，但是按汉字却是错误的

请问有可能是训练集不一致吗