يصف هذا البحث طريقة جديدة للكشف المباشر عن الكلمات المفتاحية باستخدام شبكة عصبية متأخرة زمنياً ذات مرحلتين. يتم تدريب النموذج باستخدام التعلم النقل (transfer learning): يبدأ التدريب بتوجيهات الهواتف من قاعدة بيانات كبيرة للكلام، ثم يتبعه تدريب بتوجيهات الكلمات المفتاحية من مجموعة بيانات أصغر. يتم تقييم دقة النظام في مهمتين منفصلتين. الأولى هي مجموعة بيانات أوامر الكلام التابعة لشركة جوجل والمتوفرة بحرية. والثانية هي مهمة داخلية تم تطويرها خصيصاً للكشف عن الكلمات المفتاحية. تظهر النتائج تحسينات كبيرة في معدلات القبول الخاطئ والرفض الخاطئ في بيئات نظيفة وضوضائية على حد سواء عند مقارنتها بالتقنيات المعروفة سابقاً. بالإضافة إلى ذلك، نقوم بدراسة تقنيات مختلفة لتقليل الحسابات من حيث عدد الضربات لكل ثانية من الصوت. مقارنة بالأعمال المنشورة حديثاً، توفر النظام المقترح ما يصل إلى 89% من التعقيد الحاسوبي.