自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(1)
  • 收藏
  • 关注

原创 FunASR学习——VAD及ASR模型(一)

作者作为音频处理初学者,分享了在边缘设备上部署轻量化语音识别方案的经验。针对设备性能限制,选择阿里开源的FunASR工具包,重点探讨了其VAD(语音活动检测)模型的应用。文章详细解析了在线VAD模型的调用流程:初始化状态机处理语音状态跳变;通过sounddevice库实现音频采集;深入解析模型对音频数据的特征提取和实时推理逻辑。作者创新性地设计有限状态机来精准截取有效语音片段,并配合ASR模型实现语音转文字功能。该方案在低算力设备上成功实现了实时语音处理,展现了开源具在边缘计算中的实用价值。

2025-06-18 22:30:00 968

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除