ios - iOS 上麦克风输入的语音事件检测

Question

我正在开发一个 iOS 应用，它可以进行基于语音的 AI；也就是说，它意味着从麦克风获取语音输入，将其转换为文本，将其发送给 AI 代理，然后通过扬声器输出返回的文本。尽管使用按钮开始和停止录制语音(用于语音识别的 SpeechKit，用于 AI 的 API.AI，用于输出的 Amazon Polly)，但我已经一切正常。

我需要的部分是让麦克风始终打开，并在用户开始和结束谈话时自动开始和停止录制用户的声音。这个应用程序是为一个非正统的环境开发的，用户将无法访问屏幕(但他们将有一个高端的枪式麦克风来录制他们的文本)。

我的研究表明，这 block 拼图被称为“语音事件检测”，似乎是整个基于语音的人工智能系统中最难的步骤之一。

我希望有人可以提供一些简单的 (Swift) 代码来自己实现它，或者为我指明我可以在这个项目中实现的一些不错的库/SDK 的方向。

Answer 1

为了实现良好的 VAD 算法，您可以使用 py-webrtcvad .

它是 C 代码的 Python 接口(interface)，您只需从项目中导入 C 文件并在 swift 中使用它们。