VAD

【造工具-2】用SenceVoice，实现本地的语音转文本小工具

ASR常与其他模块（如VAD、说话人分离）并列描述，体现其在技
zhulangfly·2025-06-26 22:46

WebRTC 语音激活检测(VAD)算法

语音激活检测最早应用于电话传输和检测系统当中，用于通信信道的时间分配，提高传输线路的利用效率。激活检测属于语音处理系统的前端操作，在语音检测领域意义重大。但是目前的语音激活检测，尤其是检测人声开始和结束的端点始终是属于技术难点，各家公司始终处于能判断，但是不敢保证判别准确性的阶段。通常搭建机器人聊天系统主要包括以下三个方面:语音转文字(ASR/STT)语义内容(NLU/NLP)文字转语音(TTS)
u013250861·2025-06-25 07:13

语音活动检测模型SileroVAD

SileroVAD是一款专注于语音活动检测（VAD）的轻量级开源模型，凭借其高效率、低延迟和跨平台特性，成为实时语音处理系统的核心组件。
大囚长·2025-06-13 14:33

VAD入门（基于Python）

145799439目录SileroVAD1.核心优势2.安装与依赖3.核心功能4.基础使用5.高级功能6.与WebRTCVAD的对比SileroVADSileroVAD是Silero语音模型系列中的语音活动检测（VAD
·2025-06-13 14:02

sherpa-onnx开源语音处理框架研究报告：从技术解析到应用实践

该项目专注于提供跨平台、高效率的语音处理能力，支持在完全离线的环境中运行语音识别(ASR)、文本转语音(TTS)、说话人识别、语音活动检测(VAD)等多项功能。与依赖云服务的传统语音
chanalbert·2025-06-13 08:22

【ASR学习笔记】：语音识别领域基本术语

VAD(VoiceActivityDetection)语音活动检测，判断一段音频里哪里是说话，哪里是静音或噪音。
饭碗、碗碗香·2025-05-17 02:01

基于vad对音频进行切割

通过ai生成的音频上传到X音音乐，上传片段超过60sSo基于vad停顿切分音频，分段上传"""pipinstallpydubpipinstallnumpypipinstalllibrosapipinstallsoundfile
爱喝水的木子·2025-04-22 10:48

部署docker版本的FunASR

damo/speech_fsmn_vad_zh-cn-16k-co
Luke Ewin·2025-04-17 21:19

DTW算法（语音识别）

这里介绍语音识别就先介绍下语音识别的框架，首先我们要有一个比对的模版声音，然后需要去截取其里面包含真正属于语音的部分，这个要采用一个叫做vad（voiceactivedetection）语音活动检测的算法
编程大乐趣·2025-04-12 21:49

FunASR 中文语音实时识别输出使用示例（准确率比faster-whisper高）

github.com/modelscope/FunASR官网https://www.funasr.com/#/简介FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD
逢生博客·2025-03-30 16:34

Sherpa-ONNX：说话人识别与语音识别自动开启（VAD）+ Python API 完整指南

在本指南中，我们将重点介绍如何使用Sherpa-ONNX进行说话人识别、自动开启语音识别（VAD）以及如何通过PythonAPI进行操作。安装环境在开始之前，确保你的系统上已安装
一只蜗牛儿·2025-03-25 14:26

funasr 麦克风实时流语音识别；模拟vad检测单独输出完整每句话

参考：https://github.com/alibaba-damo-academy/FunASRchunk_size是用于流式传输延迟的配置。[0,10,5]表示实时显示的粒度为1060=600毫秒，并且预测的向前信息为560=300毫秒。每个推理输入为600毫秒（采样点为16000*0.6=960），输出为相应的文本。对于最后一个语音片段的输入，需要将is_final=True设置为强制输出最
loong_XL·2025-02-24 08:06

Jfinal websocket onMessage无法接收二进制音频数据问题

刚开始还没找到是数据大小限制的问题（由于要测试好多其它语音包，例如vad4j，webrctvad这些），以为是自己哪里搞错了，就找websocket什么时候
withme977·2025-02-19 03:30

基于能量检测的语音信号端点检测 FPGA 实现

基于能量检测的语音信号端点检测FPGA实现介绍语音信号端点检测（VoiceActivityDetection,VAD）是语音处理中的一个重要步骤，用于确定语音信号的起始和结束点。
鱼弦·2025-02-02 13:42

Silero VAD 开源项目教程

SileroVAD开源项目教程项目地址:https://gitcode.com/gh_mirrors/si/silero-vad项目介绍SileroVAD是一个预训练的企业级语音活动检测器（VoiceActivityDetector
苏鹃咪Healthy·2025-01-28 14:55

Silero VAD 教程

silero-vadSileroVAD:pre-trainedenterprise-gradeVoiceActivityDetector项目地址:https://gitcode.com/gh_mirrors/si/silero-vad1
褚艳影Gloria·2025-01-28 14:25

FSMN-VAD与Silero-VAD

引用说明：FSMN-VAD引用魔塔社区项目：https://modelscope.cn/models/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch/summary
Wasser.·2025-01-28 13:23

FunASR 语音识别系统概述

FunASR（AFundamentalEnd-to-EndSpeechRecognitionToolkit）是一个基础的语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复
瑞雪兆我心·2024-09-10 23:25

VAD 虚拟内存

vad874ed030+278查看该平衡二叉树Level是二叉树的层数start是该块虚拟地址空间的起始地址end为结束地址commit为请求次数写一段程序测试下#include#includeintmain
0xwangliang·2024-09-06 15:51

R3 下动态加载的模块的保护（一）

前言在R3下防护动态加载的模块不被意外卸载需要很多的策略，比如：LDR断链、VAD记录擦除、PE头擦除、修改入口函数、内存注入等。文本我们将浅析模块静态化技术这一项技术。
涟幽516·2024-02-04 14:46

阿尔泰科技PCIe总线多功能数据采集卡PCIe8620

输出DIO卡指标参数模拟量输入通道数单端16路/差分8路精度12位采样频率250KS/s通道切换方式首末通道顺序切换AD缓存16K字FIFO存储器AD量程±10V，±5V（默认），±2.5V，0～10VAD
阿尔泰1999·2024-01-30 11:37

顶顶通ASR对接mod_vad smartivr.json 配置方法

一、查看版本号smartivr.json文件需要根据mod_vad的版本进行配置。
H4_9Y·2024-01-24 08:29

达摩研究院Paraformer-large模型已支持windows

简介FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。
AI 研习所·2024-01-13 01:14

2022-06-17

尽管如此，我们还是很担心阅读第26章（血管通路装置规划：实践建议I，C）中的建议：“使用患者的端口，除非有禁忌症（例如现有并发症），而不是插入额外的VAD。”
朗月斋主·2024-01-06 03:10

语音信号的端点检测（VAD）

1.端点检测的目的及意义1.1目的从包含语音的一段信号中准确地确定语音的起始点和终止点，区分语音和非语音信号，它是语音处理技术中的一个重要方面1.2意义有效的端点检测技术不仅能在语音识别系统中减少数据的采集量，节约处理时间，还能排除无声段或噪声段的干扰，提高语音识别系统的性能，而且在语音编码中还能降低噪声和静音段的比特率，提高编码效率2.基于短时能量和短时平均过零率的双门限端点检测2.1短时解释在
静静今天想休息·2023-12-30 00:18

音频的一些关键词

VAD(VoiceActivityDetection):语音端点检测技术语音端点检测技术，是一种用于识别语音信号中活跃部分和非活跃部分的技术。其主要作用是确定何时说话者开始和结束说话。
摆摊的豆丁·2023-12-23 10:17

【FunASR】Paraformer语音识别-中文-通用-16k-离线-large-onnx

模型亮点模型文件:damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorchParaformer-large
太空眼睛·2023-12-15 18:00

启明云端分享| ESP32-S3 RGB点屏教程

提示：作为Espressif（乐鑫科技）大中华区合作伙伴及sigmastar（厦门星宸）VAD合作伙伴，我们不仅用心整理了你在开发过程中可能会遇到的问题以及快速上手的简明教程供开发小伙伴参考。
启明智显·2023-12-01 17:37

silero-vad 官方新增了java 的demo

原来参考androidGitHub-gkonovalov/android-vad:AndroidVoiceActivityDetection(VAD)library.SupportsWebRTCVADGMM
java_lilin·2023-11-30 20:29

Making Reconstruction-based Method Great Again for Video Anomaly Detection

MakingReconstruction-basedMethodGreatAgainforVideoAnomalyDetection文章信息：发表于ICDM2022（CCFB会议）原文地址：https://arxiv.org/abs/2301.12048代码地址：https://github.com/wyzjack/MRMGA4VAD
何大春·2023-11-30 07:26

ROC-RK3308-CC 四核64位AIOT主板

-CC是一款集多种功能为一体的AI+IOT开源主板高性价比四核处理器采用全新高性价比RK330864位四核ARMCortex-A35核心配置，主频高达1.3GHz，整合了高性能CODEC音频编解码器，VAD
weixin_34192993·2023-11-28 10:28

【沧海拾昧】Keil uVision5新建stm32工程并联合Proteus 8 Professional简单仿真

（下载链接：链接：https://pan.baidu.com/s/1fnxHU-VAD87R
CuPhoenix·2023-11-19 12:14

自动驾驶场景表示向量化方法VAD: Vectorized Scene Representation for Efficient Autonomous Driving

这篇论文提出了一种名为VAD的自动驾驶场景表示向量化方法，旨在提高自动驾驶系统的规划性能和推理速度。
源代码杀手·2023-11-16 14:11

从AI学到的音频检测知识，原来完整的音频可以随意切割，但音频流就不一定了

AI：当您将num_samples的值更改为1536时，问题得到解决，这可能是因为1536是silero-vad模型期望的输入样本数。
dalaomanzou·2023-11-16 07:21

Flutter firebase_admob IOS（单例模式）

vad_instance.dart在该文件中举例了“插页式广告”和“激励广告”，两种广告的封装形式有很大的不同，由于激励广告需要用户看一小片段广告，我们更需要关注用户在观看广告期间的行为并对其进行了动态的监听
EricerYang·2023-11-15 20:35

Xshell7和Xftp7安装包资源

.exehttps://www.aliyundrive.com/s/kCxRUPHqoY3Xftp-7.0.0112.exehttps://www.aliyundrive.com/s/p58URGN9VAd
五小悟·2023-11-12 16:36

安卓支持的音频格式和高清通话

支持Audiocode:G.722/G.729/AMR/AMRWB/GSM/PCMA高清通话VAD（VoiceActivityDetection）语音动态侦测CNG（ComfortNoiseGeneration
DD_Dog·2023-11-01 08:39

洞察2023：中国心室辅助装置行业竞争格局及市场份额

按照功能可分为心室辅助装置(VentricularAssistDevice，VAD)、全人工心脏(TotalArtificialHeart，TAH)。
医学界·2023-09-21 14:30

ICCV 2023 | MoCoDAD：一种基于人体骨架的运动条件扩散模型，实现高效视频异常检测

论文链接：https://arxiv.org/abs/2307.07205视频异常检测（VideoAnomalyDetection，VAD）扩展自经典的异常检测任务，由于异常情况样本非常少见，因此经典的异常检测通常被定义为一类分类问题
TechBeat人工智能社区·2023-09-07 19:33

启明智显分享|关于SSD202D方案SDK如何编译

提示：作为Espressif（乐鑫科技）大中华区合作伙伴及sigmastar（厦门星宸）VAD合作伙伴，启明智显不仅用心整理了你在开发过程中可能会遇到的问题以及快速上手的简明教程供开发小伙伴参考。
启明智显·2023-09-06 18:57

启明云端分享| 通过Matter协议实例演示开关通过matter协议来做到对灯亮灭的控制

提示：作为Espressif（乐鑫科技）大中华区合作伙伴及sigmastar（厦门星宸）VAD合作伙伴，启明云端不仅用心整理了你在开发过程中可能会遇到的问题以及快速上手的简明教程供开发小伙伴参考。
启明智显·2023-09-06 18:57

智能电话机器人介绍（AI语音机器人）

怎么使用提供RESTfulAPI接口,php,java,等任何语言都可以开发业务流程，也提供FreeSWITCH的原生接口mod_vad,使用esl或者lua,python，dialpla
vx897857410·2023-08-19 02:32

智能电话机器人（AI语音机器人）时什么？

怎么使用提供RESTfulAPI接口,php,java,等任何语言都可以开发业务流程，也提供FreeSWITCH的原生接口mod_vad,使用esl或者lua,python，dialpla
m0_52165567·2023-08-19 02:30

NeMo 中文ASR话者分离（说话人日志）实战

首先基于VAD（声音活动检测）的MarbleNet，分割声音片段，然后基于TitaNet-L提取话者特征，然后通过聚类区分话者，最后通过神经网络分离话者标签。
wxl781227·2023-08-16 04:42

宝宝为什么要补充VD，补充到什么时候？

如果是出生孕周低于36周的早产儿，每天补充VD一粒，VAD一粒，补充到3月龄，3月龄后每日一粒VD。有些家长会问：“为什么补充VD，它有什么作用？吃到什么时候？”
淡如兰ln·2023-08-13 02:44

一文告诉你智能语音中的VAD模块为什么这么重要

计算机交互技术通过几年连续开发，语音信号中包含的情感信息越来越受到关注。通常，语音信号的感情特征多通过语音韵律的变化来表现。例如，当人们生气或惊讶时，演讲速度会增加，音量会增加，音调也会改变，而当你忧郁或伤心时，声音往往很低。因此，振幅的结构、发音的持续时间、说话速度等语音信号的特征是所有重要的研究特征。在进行语音识别的过程中，系统的处理对象是有效语音信号。尤其在在多人说话的情况下，如果不对输入信
蟪蛄不知·2023-07-17 15:31

torch.hub.load 加载本地模型（已解决）

本地模型默认的下载路径是：/root/.cache/torch/hub……原始：vad_model,funcs=torch.hub.load(repo_or_dir="snakers
娃要大红花·2023-07-14 12:47

WebRTC系列--opus带内FEC和red效果

文章目录RED（RedundancyEncodingforData）：通过冗余提高音频质量OpusFEC如何看待RED语音活动检测-AddingVoiceActivityDetection(VAD)support
简简单单lym·2023-06-20 23:58

faster-whisper-webui

而我们这次要讲的是faster-whisper-webui是内置了VAD的支持，可以很精准的定位到每一句话的开始和结束，对于转录长音视频很有意义，可以防止转录长音视频出现幻听的情况
Luke Ewin·2023-06-19 02:25

【实验】语音识别

获取原始音频检测分帧加窗特征提取端点检测端点检测参数指标相对值初始短时能量高门限50初始短时能量低门限10初始短时过零率高门限10初始短时过零率低门限2最大静音长度8ms语音最小长度20ms这里我们进行的是基于阈值的VAD
AI研究院·2023-06-17 02:39
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他