A Detecção de Palavras-Chave (KWS) é a tarefa de distinguir entre a presença e a ausência de uma palavra-chave em áudio. A precisão de um modelo de KWS depende da sua capacidade de classificar corretamente os exemplos próximos ao limite de palavra-chave e não palavra-chave. Esses exemplos de limite são frequentemente escassos nos dados de treinamento, limitando o desempenho do modelo. Neste artigo, propomos um método para gerar sistematicamente exemplos adversariais próximos ao limite de decisão, fazendo edições de inserção/deleção/substituição nos grafemas da palavra-chave. Avaliamos esta técnica em dados mantidos para uma palavra-chave popular e mostramos que a técnica melhora a AUC em um conjunto de dados de negativos difíceis sintéticos em 61% enquanto mantém a qualidade em positivos e dados de áudio negativos ambientais.
Zhang et al. (Ter,) estudaram essa questão.