提出了一种新颖的用户定义关键词识别方法MM-KWS，利用多模态注册的文本和语音模板。通过提取音素、文本和语音嵌入，并与查询语音嵌入进行比较，以检测目标关键词。实验证明，MM-KWS在多种语言环境下适用，并整合了高级数据增强工具，提高了性能。