如何将电话音频分为静音/非静音？

9

我的问题是我不知道背景噪声的能量，所以我不能仅仅限制能量。处理是实时完成的，我大约需要500毫秒来决定。理想情况下，我希望将安静的辅音视为非静音。

audio  speech-recognition 
— 迈克尔·利特文
source
6
我没有足够的信息来提供完整的答案，但是您的问题被称为语音活动检测。没有一个达成共识的最佳方法，而且如果您看的话，可能会遇到许多不同的方法。也许其他一些可以充实它。
— 詹森·R
@Michael Litvin，有一类非线性滤波器（在“能量检测”中使用，名称为“ Teager-Kaiser”。我认为它是所谓的“ voltera内核”的子集。对不起，我无法提供任何更多信息，但如果您搜索这些单词，您可能会找到所需的信息。我知道，Teager-Kaiser方法用于“何时”鲸鱼的声音相对于背景噪声才开始
— 。– Spacey

Answers:

4

您可以查看许多参数：

  1. 总能量
  2. 短期频谱：语音具有相当独特的“粉红色”频谱，如果以电为主，则噪声（在非语音部分期间发生）趋于白色，如果是声学背景，则趋于“红色”（即低频沉重）噪音或麦克风噪音
  3. 幅度统计。大多数噪声信号具有高斯分布，语音更接近拉普拉斯分布

我认为这三者的结合应该提供一个相当强大的检测方案。

— 希尔玛
source
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.