التعرف على الكلمات المفتاحية (KWS) هو مكون حاسم لتمكين التفاعلات الصوتية بين المستخدم والجهاز في الأجهزة الذكية. يتطلب هذا التطبيق استجابة فورية ودقة عالية لتحقيق تجربة مستخدم جيدة. في الآونة الأخيرة، أصبحت الشبكات العصبية خيارًا جذابًا للبنية التحتية لـ KWS بفضل دقتها الفائقة مقارنة بالخوارزميات التقليدية لمعالجة الكلام. نظرًا لطبيعته المستمرة دائمًا، فإن تطبيق KWS يواجه ميزانية طاقة محددة للغاية ويُشغل عادةً على معالجات دقيقة ذات ذاكرة محدودة وقدرات حسابية محدودة. يجب أن تأخذ تصاميم البنية التحتية للشبكات العصبية لـ KWS هذه القيود بعين الاعتبار. في هذا البحث، نقوم بتقييم واستكشاف بنى الشبكات العصبية المختلفة لتشغيل KWS على المعالجات الدقيقة ذات الموارد المحدودة. ندرب العديد من تصاميم الشبكات العصبية التي تم نشرها في الأدب العلمي للمعترف بالكلمات المفتاحية لمقارنة دقتها ومتطلبات الذاكرة والحِساب. نوضح أنه من الممكن تحسين هذه التصاميم لتتوافق مع قيود الذاكرة والحِساب للمعالجات الدقيقة دون التضحية بالدقة. كما نستكشف الشبكة العصبية التلافيفية القابلة للتفكيك العميق (DS-CNN) ونقارنها مع بني الشبكات العصبية الأخرى. حققت DS-CNN دقة بنسبة 95.4٪، وهي أعلى بنسبة ~10٪ من نموذج DNN ذو عدد مشابه من المعلمات.