端點檢測的概念

端點檢測，也叫語音活動檢測，Voice Activity Detection，VAD，它的目的是對語音和非語音的區域進行區分。通俗來理解，端點檢測就是為了從帶有噪聲的語音中準確的定位出語音的開始點，和結束點，去掉靜音的部分，去掉噪聲的部分，找到一段語音真正有效的內容。

在噪聲環境下使用語音識別系統，或者講話人產生情緒或心里上的變化，導致發音失真、發音速度和音調改變，都會產生Lombard/Loud效應。研究表明，即使在安靜的環境下，語音識別系統一半以上的識別錯誤來自端點檢測器。

?

端點檢測的分類

VAD 算法可以粗略的分為三類：基于閾值的 VAD、作為分類器的 VAD、模型 VAD。

基于閾值的 VAD：通過提取時域（短時能量、短期過零率等）或頻域（MFCC、譜熵等）特征，通過合理的設置門限，達到區分語音和非語音的目的。這是傳統的 VAD 方法。

作為分類器的 VAD：可以將語音檢測視作語音/非語音的兩分類問題，進而用機器學習的方法訓練分類器，達到檢測語音的目的。

模型 VAD：可以利用一個完整的聲學模型（建模單元的粒度可以很粗），在解碼的基礎，通過全局信息，判別語音段和非語音段。

VAD 作為整個流程的最前端，需要在本地實時的完成。由于計算資源非常有限，因此，VAD 一般會采用閾值法中某種算法；經過工程優化的分類法也可能被利用；而模型 VAD 目前難以在本地部署應用。

?

端點檢測處理的好，不僅將處理的時間序列變小，還能消除無聲段道噪聲。

?

端點檢測的原理

為了能更清楚說明端點檢測的原理，錄制了一段音頻，并且將語音信號截取了幾部分。

開始，有片刻的準備工作，并未發出聲音

?

第一次講”你好”

?

第二次講”你好”

?

第三次偽裝了聲音講”你好”

?

可以看到如下特點：

首尾的靜音部分聲波的振幅很小，而有效語音”你好”部分的振幅比較大。

一個信號的振幅表示了信號能量的大小，從直觀上明顯看出靜音的部分能量值較小，有效語音部分的能量值較大。

首尾沒有講話，缺依然有能量值，并且能量值有變化。

在沒有特別的偽裝和干擾的情況下，兩次講你好的振幅，即信號是一樣的。

第三次由于偽裝了聲音，所以導致振幅同上面兩次不一樣，并且由于刻意的偽裝，導致第三次的波長度和前兩次明顯不一樣。

?

由此可以了解到端點檢測中涉及到的一些概念：

噪聲：背景音稱之為噪聲。有外界環境的噪聲，也有設備本身的噪聲。在實際使用中，如果出現長時間的靜默，會使用戶感到很不自然。因此接收端常常會在靜音期間發送一些分組，從而生成使用戶感覺舒服一些的背景噪聲，即所謂的舒適噪聲。

靜音：連續若干幀能量值持續維持在低水平。理想情況下靜音能量值為0，但實際無法做到，因為一般有背景音，而背景音有基礎能量值。

端點：靜音和有效語音信號變化臨界點。

在實際應用中，比如說電話通話時，用戶沒有講話時，就沒有語音分組的發送，從而可以進一步降低語音比特率。當用戶的語音信號能量低于一定門限值時就認為是靜默狀態，也不發送語音分組。當檢測到突發的活動聲音時才生成語音信號，并加以傳輸。運用這種技術能夠獲得大于50%的帶寬。

同理，在實際測試過程中我們也需要考慮非連續性說話，比如口吃、猶豫、吞吞吐吐時，語言的識別準確性，避免斷點檢測環節處理出現異常或者不合理的情況。

總結

以上是生活随笔為你收集整理的语音识别的端点检测的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。