audio - 使用sox进行语音检测和流式传输

Question

目前，我使用sox是这样的:

sox -d -e u-law --endian little -b 8 -c 1 -r 8000 -t ul - silence 1 0.3 1% 1 0.3 1%

作为引用，这是从默认麦克风录制音频，并以8位和8k的速率输出小字节序，律法格式的音频。效果滤镜会修剪音频，直到噪声达到阈值0.3秒为止，然后继续录制直到出现0.3秒的静音为止。所有这些都流到stdout，我用它流到远程服务器。

我用所有这些来录制一些声音，并在我说完之后结束。为了触发sox，我使用专用硬件触发记录的开始。我可以切换到使用几乎所有音频格式或编解码器，只要它支持即时格式化/编码即可。我的目标平台是raspberry pi 2 B上的raspbian。

我的理想解决方案是在用户结束讲话后使用vad停止录音。我的希望是，即使在后台聊天的情况下也可以使用。但是，关于vad效果的sox文档指出:

The use of the norm effect is recommended, but remember that neither reverse nor norm is suitable for use with streamed audio.

我无法将参数组合在一起以使vad和流式传输正常工作。是否可以使用vad效果停止录制音频，同时仍然保持stdin-> sox-> stdout管道？有更好的选择吗？

Answer 1

Is it possible to use the vad effect to stop the recording of audio while still maintaining the stdin->sox->stdout piping?

不可以。 vad效果只能从音频的前面修剪静音。因此，您只能使用它来检测录制的开始，而不是结束和暂停。
reverse和 norm过滤器在输出任何数据之前需要所有输入数据，这就是为什么它们不能与流一起使用的原因。

关键是为 silence过滤器选择一个合适的阈值，以使“背景颤动”作为静音。

您也可以在 noisered之前使用 silence(基于以前的录音的配置文件)来减少触发录音的噪声，但是这也会影响输出，并且可能不会将“背景颤动”当作噪声。