Advertisement

Silero-VAD：企业级的语音活动与数字检测器（经训练版）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Silero-VAD是一款高性能、企业级的语音活动和噪音检测工具，经过深度学习模型精细调校，能够精准区分人类语音与背景噪声，在多种场景下提供卓越的识别效果。 Silero VAD 是一款经过培训的企业级语音活动检测器（VAD），同时也是一款数字检测器和语言分类器。它使得企业级的语音产品变得非常简单易用。 目前，除了WebRTC之外，并没有太多高质量、现代且免费的公共语音活动检测器可供选择。尽管WebRTC在某些场景下仍然有效，但它已经开始显示出其技术老化的问题，并经常出现误报的情况。 另外，在一些情况下，能够使大型口语语料库匿名化（即删除个人数据）也非常重要。如果个人数据包含姓名或特定私人ID，则通常会被认为是私密和敏感信息。虽然名称识别是一个主观问题，取决于语言环境及业务案例的不同，但语音活动检测以及号码的识别则是较为常规的任务。 Silero VAD的主要特点包括： - 现代且便携 - 低内存占用 - 性能优于WebRTC - 在庞大的语音语料库和噪音/声音数据库上受过训练 - 虽然比WebRTC慢，但对IOT、边缘计算及移动应用来说依旧足够快速

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Silero-VAD：企业级的语音活动与数字检测器（经训练版）
    优质
    Silero-VAD是一款高性能、企业级的语音活动和噪音检测工具，经过深度学习模型精细调校，能够精准区分人类语音与背景噪声，在多种场景下提供卓越的识别效果。 Silero VAD 是一款经过培训的企业级语音活动检测器（VAD），同时也是一款数字检测器和语言分类器。它使得企业级的语音产品变得非常简单易用。 目前，除了WebRTC之外，并没有太多高质量、现代且免费的公共语音活动检测器可供选择。尽管WebRTC在某些场景下仍然有效，但它已经开始显示出其技术老化的问题，并经常出现误报的情况。 另外，在一些情况下，能够使大型口语语料库匿名化（即删除个人数据）也非常重要。如果个人数据包含姓名或特定私人ID，则通常会被认为是私密和敏感信息。虽然名称识别是一个主观问题，取决于语言环境及业务案例的不同，但语音活动检测以及号码的识别则是较为常规的任务。 Silero VAD的主要特点包括： - 现代且便携 - 低内存占用 - 性能优于WebRTC - 在庞大的语音语料库和噪音/声音数据库上受过训练 - 虽然比WebRTC慢，但对IOT、边缘计算及移动应用来说依旧足够快速
     
  • 语音端点检测与语音激活检测（VAD）
    优质
    语音端点检测与语音激活检测(VAD)是识别并提取有效语音信号的技术，主要用于去除无声段落，优化语音处理效率和准确性。 经典的双门限语音端点检测程序包含两个声音文件。下载后可以直接运行。
     
  • NS和VAD：噪声抑制与语音活动检测
    优质
    本文探讨了噪声抑制（NS）与语音活动检测（VAD）技术在改善音频质量及识别准确性中的关键作用，分析其原理、方法及其应用前景。 基于webrtc 2022/12/10的更新版本，此版本剥离了Noise Suppressor (NS噪音抑制) 和 Voice Activity Detector (VAD语音检测) 功能模块。最新版的 VAD 使用 RNNiose 神经网络分频判断技术，在实际测试中可以实现语音自动分段功能。NS 噪音抑制性能同样出色，默认等级能显著削弱背景噪声，效果惊艳。 这些更新后的组件广泛适用于语音直播和优化增强语音效果等应用场景，并且仅支持 Win32 平台。根据 vc2019 编译器进行了相应的修改，不依赖任何第三方库，可直接将所有代码文件添加到工程中进行编译并应用于自己的项目。 压缩包内包含从测试工程中剥离的调用演示代码 (AudioProcessing_example.cpp)，供参考使用以了解调用流程。
     
  • Python-VAD语音活动检测（端点检测）工具包
    优质
    Python-VAD是一款用于语音活动检测的开源工具包，它能够准确地识别音频流中的说话段落与静默期，适用于实时通讯、自动转录等多种场景。 我们提供语音端点检测工具包，其中包括DNN、bDNN、LSTM以及基于ACAM的VAD技术。此外，我们也提供了直接记录的数据集。
     
  • 简易的MATLAB双阈值语音活动检测程序(Voice Activity Detection, VAD)
    优质
    本简介介绍一个简单的MATLAB实现的双阈值语音活动检测（VAD）程序。该算法通过设定能量和零交叉率两个参数的阈值，有效地区分语音与非语音段，适用于音频处理中的语音识别和压缩等应用。 语音端点检测是语音预处理的关键步骤之一，其目的是去除静音段。本代码使用MATLAB编写了一段简单的VAD程序，虽然效果良好但并不算优秀，并且具有较强的可读性，没有采用过多的技巧，因此还有许多可以改进的地方。欢迎提出改进建议。
     
  • 语音端点检测VAD（Speech Endpoint Detection）
    优质
    语音端点检测(VAD, Voice Activity Detector)是一种技术，用于识别音频流中人类语音的存在与否及起止位置，从而有效提升语音处理系统的效率和准确性。 端点检测是指确定句子的时间起始点和终点，并忽略中间少量的非语音帧，用于语音识别（Speech Endpoint Detection）。熵是信息论中的一个量度指标，用来反映信息的程度。随机事件的不确定性越大，则其熵值也越高，所携带的信息量也就越多。 本次作业采用谱熵法对语音进行端点检测。
     
  • VAD-Master_C语言实现的基于WebRTC的VAD算法_WebRTC_VAD_语音端点检测_端点检测_UPHDE_
    优质
    本项目为C语言编写的VAD（Voice Activity Detection）算法，基于WebRTC框架并采用UPHDE模型优化，适用于Web环境下的语音端点检测。 使用WebRTC中的VAD算法可以实现录音文件的语音端点检测，延迟为7.8毫秒。
     
  • 语音端点检测（音频断句）(android-webrtc-vad).zip
    优质
    该资源包提供了一个Android平台下的WebRTC语音活动检测(VAD)工具，用于实现准确的语音端点检测功能，适用于开发高质量的实时通信应用。 webrtc-vad（音频断句/语音端点检测）是单独从webrtc中抽取的vad模块，并编译成so库以在Android平台上使用。直接运行代码即可体验功能。
     
  • 经过训练的行人检测分类器
    优质
    本项目专注于开发和优化经过训练的行人检测分类器，利用先进机器学习技术识别图像或视频中的行人。通过大量标注数据进行模型训练，提高算法在各种复杂场景下的准确性与鲁棒性，旨在为自动驾驶、安全监控等领域提供可靠的技术支持。 行人检测的源码使用了训练好的检测器。
     
  • 实时语音活动检测的端点检测-MATLAB开发
    优质
    本项目致力于通过MATLAB实现先进的实时语音活动检测技术中的端点检测算法，旨在准确识别语音信号的起止位置。 频谱能量实时语音端点检测 1. 实现了基于频谱能量的实时语音活动检测。 2. 使用麦克风进行录音并分析信号。 3. 可以通过绘制图示来演示实时信号的变化。 相关介绍及MATLAB代码文件可在特定平台上查看。更多教程和信息也可在该平台上的“音频处理与MATLAB”专栏中找到。