神经网络实用工具（整活）系列---使用silero-vad标注语音中的人物对话

当我们使用神经网络来进行音频转文字的操作时，往往需要先把存在语音的音频片段筛选出来再送到音频转文字的神经网络中去筛选，否则总会出现奇奇怪怪的问题。

在本篇文章中，我们介绍一种比较常用的做法，也就是用pytorch提供的silero-vad语音活性检测网络来标记出语音中存在人物对话的部分。

龟速版本

废话不多说，直接上代码（代码的操作很简单，就是将一个名为1.mp3的音频文件进行语音活性检测，然后将检测到的语音片段存在一个叫做1的文件夹中，文件名包含了片段开始的时间戳。如果路径下没有1.mp3文件和1这个文件夹，则需要做出相应修改）：

# 使用silero-vad进行语音端点检测
import torch
import datetime
import utils_vad
from pprint import pprint
import time
import onnxruntime

stime = time.time(