一个15美元的迷你开发板，能24小时不间断监听麦克风，等待那句特定的唤醒词，而CPU占用只有5.3%。这不是大厂实验室的成果，而是最近一项开源方案交出的实测数据。

树莓派Zero 2 W是DIY圈子里最受欢迎的"最小"开发板之一，售价约15美元。它搭载四核ARM Cortex-A53处理器，主频1GHz，512MB内存，没有独立GPU——所有推理都得靠CPU硬扛。这个配置放在今天并不起眼，但恰恰是这种"低配"让它成为测试唤醒词方案性能的理想标尺。

打开网易新闻 查看精彩图片

唤醒词检测，卡在中间的"轻量级"环节

要理解这个数字的意义，得先弄清楚语音交互流水线里三个环节的分工。最轻的是VAD（语音活动检测），它只回答"这段音频里有没有人说话"，不管说的是什么，CPU占用约1%。最重的是ASR（自动语音识别），负责把整句话转成文字，模型体积约60MB，在中端安卓手机上要吃掉30-40%的CPU。

唤醒词检测正好卡在中间：它要判断"是不是说了那句特定的话"，比VAD多了一层模式匹配，但比ASR轻得多——模型通常只有10-100KB，持续运行占用1-10%的CPU。它不需要理解完整语义，只需要在听到"Hey Assistant"这类短语时触发后续流程。

这个定位决定了它的架构优势：缓存友好，单次判断在100毫秒内完成，2020年以后的ARM芯片都能跑，不需要专门的DSP（数字信号处理器）。

为什么偏偏选树莓派Zero 2 W当靶子

开发者的逻辑很直接：如果能在最弱的设备上跑通，更强的设备自然不在话下。树莓派Zero 2 W的CPU性能和2016-2018年的中端手机相当，512MB内存跑小型模型够用，但跑不动Whisper这类重型语音模型。它没有GPU，所有计算都压在CPU上。

这套逻辑的底气在于性能梯度：树莓派4/5和Jetson Nano比Zero 2 W快4到10倍，而Rockchip、Allwinner等嵌入式ARM芯片和它处于同一水平线。换句话说，Zero 2 W就是性能下限——这个数字站住了，其他平台只会更好。

现成方案不少，但各有各的坑

对DIY玩家来说，市面上现成的唤醒词方案并不算多，而且每个都有妥协。亚马逊、谷歌、苹果的智能音箱方案体验成熟，但锁定在各自生态里，部分场景还依赖云端，硬件也不开放。Picovoice的Porcupine是端侧SDK，激活后可离线运行，但模型是闭源的，免费层在2026年6月30日之后取消，变成7天试用加付费订阅。

openWakeWord是Apache-2.0开源项目，有社区训练的模型，但想训练自定义唤醒词并不轻松——要自己采集数据、训练模型、反复迭代。从零手写Python加TF Lite方案则需要扎实的机器学习功底和大量调试时间。

这正是这个项目想填补的空缺：一条简单的配方——买一块15美元的树莓派，一行命令装好包，听到自定义唤醒词，不用为每次激活付费。方案本身是专有的，但默认提供"Hey Assistant"免费层，5.3%的CPU占用数据来自60秒持续麦克风输入的实测。