參考：

• https://blog.csdn.net/u012123989/article/details/72771667

webRTC~vad

1. mode

• 0 ---- quality mode
• 1 ---- low bitrate mode
• 2 ---- aggressive mode
• 3 ---- very aggressive mode

2. webRTC~vad只支持10ms, 20ms, 30ms的幀frame判斷。

3. webRTC~vad只支持8k采樣率

4. 在8k采樣基礎上

　　(1) 計算子帶能量， feature vector

　　(2) 通過高斯混合模型分別計算語音和非語音的概率，使用假設檢驗的方法確定信號的類。

• 首先通過高斯模型計算假設檢驗中的H0和H1，通過門限判決vadflag。
• 然后更新概率計算所需要的語音均值(speech_means)、噪聲均值(noise_means)、語音方差(speech_stds)、噪聲方差(noise_stds)。

----------筆記1：反正我是沒看懂，推薦看webRTC英文簡介中的vad部分；

　　　　idea：如果實時更新 + collections.deque(maxlen)應用到自適應領域，去做靜音檢測和噪音消除，可行嗎？

5. 代碼-python

　　import pyaudio

　　import webrtcvad

　　vad = webrtcvad.Vad(1)

　　stream = pyaudio.open(......)

　　chunk = stream.read(chunk_size)

　　active = vad.is_speech(chunk, RATE)

--------筆記2: 我個人筆記：python--webRTC～vad對于聲音的判斷效果很差，pyaudio等在錄音過程中會有電流脈/機器本身運行的聲音干擾，vad.is_speech會將電流脈聲音判斷為有效語音，干擾很大。

• portaudio用于音頻采集，有兩種機制：阻塞和回調。阻塞，自己設定時間， 不管有沒有數(shù)據(jù)都要返回；回調，有有效數(shù)據(jù)的時候才會調用這個函數(shù)返回數(shù)據(jù)。?-----吐嘈：如果python相關包能實現(xiàn)回調的功能，那靜音檢測還需要做嗎？疑問？
• pyaudio可以從設備節(jié)點讀取原始音頻流數(shù)據(jù),音頻編碼是PCM格式;
• struct.pack(fmt, v1, v2)

　　　　return a string containing the values v1,v2....packed according to the given format. the arguments must match the values required by the format exactly.

　　　　struct.pach用于將python值根據(jù)格式符，轉換為字符串。(因為python中沒有字節(jié)Byte類型，可以把這里的字符串理解為字節(jié)流或字節(jié)數(shù)組)

　　　　example1: struct類型表。'i'表示integer; ‘ii'表示轉換兩個值v1，v2為integer數(shù)據(jù)；byte 0xff表示一個十六字節(jié)，無符號整數(shù)。

　　　　example2:struct.pack('>i4sh', 7, b'spam', 8)

　　　　　　fmt=‘>i4sh'，這種格式符是一種linux命令.

　　　　　　'>'是c和python中的一種數(shù)據(jù)結構

　　　　　　’i' int---interger---7

　　　　　　4s----char-----string對應spam

　　　　　　‘h’----unsigned short------integer---8

• array.array(type code[, initalizer])

　　　　a new array whose items are restricted by type code

　　　　'h' -----signed short-----int----2

• signal.signal(signalnum, handler)這個模塊提供了python內部的信號處理機制，一旦出現(xiàn)signalnum信號，就執(zhí)行handler函數(shù)

　　　　python signal信號類型：SIGINT終止進程，中斷進程

• collections.deque(maxlen=)通過maxlen限制deque隊列中的幀數(shù)

　　　　collections是python內建的一個集合模塊，提供了許多有用的集合類

　　　　deque()為了高效實現(xiàn)插入和刪除操作的雙向列表，適用于棧和對列：append(), appendleft(); pop(), popleft()，而list是線性列表，在數(shù)據(jù)量大的時候插入和刪除的效率很低。

• python～assert簡便地設置斷點debugging
• python~yield是一個類似return的關鍵字，只是這個函數(shù)返回多個值的生成器，并不立即執(zhí)行。

question1：在pyaudio.stream錄音過程中，突然拔掉麥克風，會莫名其妙的多錄入1000多塊chunk的電流脈聲。

question2: webrtcvad并不能及時、準確的檢測出靜音，如果靜音檢測達不到及時準確的要求，延遲在2-4s以上，靜音檢測就沒有多大意義了。

總結

以上是生活随笔為你收集整理的python---webRTC~vad静音检测-学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。