语音端点检测(voice activity detection,VAD)

可以将一段语音片段分为 静音段、过度段、语音段、结束。

比较常用的VAD技术是基于短时能量和过零率的双门限端点检测。

1. 分别对短时能量和过零率设置两个门限值energy_low, energy_high和zcr_low, zcr_high

energy_high > energy_low

zcr_high > zcr_low

2. 计算一帧的短时能量enegry和过零率zcr

若enegry > energy_low && zcr > zcr_low,则进入过度段

3. 计算一帧的短时能量和过零率,

若enegry > energy_high && zcr > zcr_high, 此时还不能断定语音开始,

继续计算几帧短时能量和过零率,若enegry > energy_high && zcr > zcr_high,则可判定语音开始。


能量双门限VAD流程图


语音端点检测(voice activity detection,VAD)_第1张图片

如果觉得本文对你有所帮助,可以请我喝杯茶哈 ^-^

语音端点检测(voice activity detection,VAD)_第2张图片 语音端点检测(voice activity detection,VAD)_第3张图片

你可能感兴趣的:(语音识别)