audio - socks 效果 : retriggerable silence

Question

为了检测语音，我正在使用这个 sox 命令:

rec voice.wav silence 1 5 30% 1 0:00:02 30%

只要输入音量提高到大约 30% 的阈值，它就应该开始录制，并在 2 秒后音频低于同一阈值时停止。

它有效。不过要是能“再触发”就更好了。我的意思是:当音频降到阈值以下，再次上升时，应该继续注册(即用户还在说话)。

只有当它检测到整整 2 秒的静音时，它才会停止。或者您推荐任何其他“VOX”工具吗？

Answer 1

我花了很多时间尝试使用 SOX 来实现 VOX，并使其运行良好。我一直在使用 Audacity 查看生成的波形，并确定了以下 SOX 命令...

rec snd.wav silence 1 .5 2.85% 1 1.0 3.0% vad gain -n  : newfile : restart

这将:

• 等到它听到高于阈值的事件半秒，然后开始录音(静音 1 .5 2.85%)
• 当声音事件降为零一秒钟时停止录制 (... 1 1.0 3.0%)
• 剪掉任何初始静音直到语音检测 (vad)
• 归一化增益(gain -n)
• 将结果存入一个新文件(snd001.wav, snd002.wav)
• 重启进程

获得正确的“静音”数字需要大量的试验和错误，并且取决于环境噪音以及麦克风的灵敏度。我通过 USB 在 Raspberry Pi 上使用 Logitech QuickCam IM 中的麦克风。

附带说明一下，这整件事提示如下......

rec FAIL formats: can't open input  `default': snd_pcm_open error: No such file or directory

...直到我在环境中创建了这个变量:

export AUDIODEV=hw:1,0

同样 - 这涉及对“静音”值的大量实验，并且需要针对您的环境进行一些调整。