语音端点检测(voice activity detection,VAD)

本文介绍了一种基于短时能量和过零率的双门限语音活动检测(VAD)技术。该技术通过设置能量和过零率的高低门限值来判断语音的开始与结束。当信号的短时能量和过零率超过一定阈值时,认为语音开始。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值