热词（Hotwords）详解与应用
相关视频教程：
《Faster-whisper热词详解与程序设计教程》
《Faster-Whisper唤醒词检测程序设计实战》
什么是热词？
热词 是指在语音识别、翻译等处理过程中，用户预先定义的一组需要被优先识别或特殊处理的特定词汇或短语。当你的业务领域或使用场景中存在部分专业术语、人名、品牌名、特殊表达等词汇通用模型识别效果不佳时，就可以通过热词功能来提升识别准确率。
例如，在语音识别场景中：
提高特定电影名称识别率："肖申克的救赎"、"霸王别姬"
专业领域术语："EGFR抑制剂"、"厄洛替尼盐酸盐"
特定名称翻译："夏洛特烦恼" → "Goodbye Mr. Lose"
⚙️ 热词工作原理
热词技术通过在识别过程中赋予特定词汇更高权重或概率来实现精准识别：
1. 权重提升机制
当语音识别引擎处理音频流时，热词列表中的词汇会被赋予更高的识别优先级。系统会在解码过程中提升这些词汇的声学得分或语言模型得分，使其在候选结果中更容易被选中。
2. 热词表结构
热词通常以结构化列表形式存在，包含以下核心字段：
text：热词文本内容lang：源语言代码（可选）target_lang：目标语言代码（可选，用于翻译场景）translation：翻译结果（可选，用于翻译场景）
3. 识别流程整合
在语音识别过程中，热词功能通过以下方式介入：
在声学模型和语言模型输出多个候选结果时
对包含热词的候选结果进行分数加权
输出优化后的识别结果
在faster-whisper中使用热词
faster-whisper 是 OpenAI Whisper 的优化版本，支持热词功能以提升特定领域识别准确率。
基本使用方法
在 faster-whisper 的转录参数中，可以通过 hotwords 参数传递热词列表：
python
from faster_whisper import WhisperModel# 加载模型
model = WhisperModel("large-v3")# 定义热词 - 提升动漫相关术语识别率
hotwords = ["星灵感应", "鹿乃子", "艾莉同学", "语气词"]# 转录时加入热词参数
segments, info = model.transcribe("audio.wav",hotwords=hotwords,beam_size=5,best_of=5,compression_ratio_threshold=2.4,no_speech_threshold=0.2
)配置示例与技巧
根据实际使用经验，以下配置在动漫字幕生成场景中效果显著：
python
transcription_params = {"hotwords": "这是一个日本动漫,请检测出所有语气词,使用更多标点符号来丰富情感,比如省略号,问号,句号,感叹号,破折号","beam_size": 10,"best_of": 5,"patience": 1.0,"temperature": [0.2, 0.4, 0.6, 0.8, 1.0],"compression_ratio_threshold": 2.4,"no_speech_threshold": 0,"word_timestamps": False,"repetition_penalty": 1.0,"chunk_length": 30
}使用技巧：
热词文本应使用实际词语而非任意字符组合
结合提示词（prompt）使用效果更佳，如："这是一个日本动漫，请检测出所有语气词"
热词长度限制：含非ASCII字符时总字符数≤15，纯ASCII字符时空格分隔片段≤7
热词应用场景
1. 影视作品处理
动漫字幕生成：提升角色名、特殊招式名、语气词识别率
电影名称识别：准确识别"肖申克的救赎"、"这个杀手不太冷"等片名
2. 专业领域转录
医学领域：精准识别专业药品名、医学术语
技术领域：准确转录技术术语、产品型号、代码相关词汇
3. 多语言翻译场景
跨语言翻译：确保特定词汇翻译准确性，如将"夏洛特烦恼"准确译为"Goodbye Mr. Lose"
文化特定表达：保留原语言中的文化特定词汇含义
4. 实时语音交互
智能助手：提升唤醒词、命令词的识别准确率
业务系统：优化行业特定术语的识别效果
场景与热词示例对比
| 应用场景 | 推荐热词示例 | 预期效果 |
|---|---|---|
| 动漫字幕生成 | 角色名、特殊技能名、语气词 | 提升角色相关对话识别率，保留原作特色表达 |
| 电影内容处理 | 电影名称、角色名、经典台词 | 准确识别影片特定词汇，提升整体转录质量 |
| 学术讲座转录 | 专业术语、学者姓名、机构名称 | 确保学术内容的准确转录，减少专业术语错误 |
| 商务会议记录 | 产品名、项目代号、技术术语 | 优化商务沟通记录准确性，保留关键信息 |
实用建议
热词选择原则
优先选择通用模型容易识别错误的词汇
关注业务核心词汇而非普通对话用语
控制热词数量，避免过度拥挤影响整体识别质量
参数调优配合
热词需与其他参数协同调优
适当调整
beam_size、best_of等搜索参数根据场景调整
compression_ratio_threshold和no_speech_threshold
效果验证方法
通过对比测试验证热词效果
关注误识别率变化，避免过度拟合
在实际应用环境中测试而非仅用标准数据集
通过合理使用热词功能，你可以在 faster-whisper 中显著提升特定领域词汇的识别准确率，从而获得更符合业务需求的转录结果。特别是在处理专业内容、特定文化背景材料时，热词能够有效弥补通用语音识别模型的不足。