跳到正文
AGI Hunt· Lonligrin·· 2 小时前AI 评分68

RealtimeVAD 开源:用能量检测将语音端点提前约 110ms

RealtimeVAD 开源:用能量检测让语音端点提前约 110ms

AI 导读

RealtimeVAD 开源,每 10ms 进行一次能量检测并跟踪房间噪声阈值,用于替代 silero 的概率判定,判断本地语音助手何时回落到噪声水平。在约 3200 条真实语音轮次上,其结束点中位数比 silero(阈值 0.5)提前 110ms;更嘈杂环境中的实测提前量为 92ms,但误报率约为 silero 的 10 倍以上,仅适合能快速丢弃投机计算的流水线。

来源:AGI Hunt · agihunt.info