Este documento propone un sistema de detección de palabras clave (KWS) eficiente en recursos basado en una red neuronal convolucional (CNN). El proceso KWS de extremo a extremo se realiza únicamente en base a inferencia 1D-CNN, donde primero se extraen características de unos pocos bloques convolucionales, y luego las palabras clave se clasifican usando unos pocos bloques completamente conectados. El modelo 1D-CNN se binariza para reducir el uso de recursos, y su inferencia se ejecuta empleando un motor dedicado. Este motor está diseñado para omitir operaciones redundantes, lo que permite una alta velocidad de inferencia a pesar de su baja complejidad. El sistema propuesto se implementa utilizando 6895 ALUTs en una FPGA Intel Cyclone V integrando los componentes esenciales para realizar el proceso KWS. En el sistema, la latencia requerida para procesar un fotograma es de 22 ms, y la precisión de detección es del 91.80% en un entorno donde la relación señal-ruido es de 10 dB para el conjunto de datos de comandos de voz de Google versión 2.