什么是打斷

打斷，就是機器人說話的時候，用戶沒等機器人說完，就開始說話。一般做法是檢測到用戶聲音持續100-200ms就停止機器人說話，這樣存在一個弊端，就是如果噪音很大的環境（本公司2022年開發的噪音人聲識別算法直接集成VAD已經徹底解決噪音打斷問題），或者用戶身邊有人說話，會導致錯誤的打斷，本文主要介紹幾個方法，來避免這個問題。

防干擾等級(只start_vad支持)

start_vad函數有一個參數 filter_level 防止干擾等級。0-1.0之間，建議 0.3。 這個參數的原理是可以通過計算用戶歷史說話音量，如果當前音量大于歷史說話音量*filter_level，才認為是有效聲音。因為周圍的人說話傳入話筒的音量比較小，這個方法可以有效解決身邊人說話導致打斷。
使用噪音人聲識別算法可以很好的解決噪音打斷 0.6：一句話結束判斷聲音是否是噪音,通過asrprogress事件的noise標識。 0.7: 噪音的時候不掉用ASR。 0.8：VAD算法集成噪音和人聲識別。

動態最小聲音時間(只vad支持)

vad函數有這樣一個參數?min_speak_ms [數字] 可選參數 默認100ms 最小的聲音時間 單位毫秒，默認值 100ms。

這個參數的含義是，設置一個最小的聲音時間，只有聲音持續時間超過這個值才認為是有效聲音，觸發打斷和提交到ASR服務器識別。

為什么我選擇了這個100ms作為這個默認值呢，因為電話接通后，很多人習慣說一聲”喂”，或者”您好”, “喂”的持續時間一般是100-200s,”您好”的持續時間是 200-300ms.

開發業務流程的時候，可以動態設置這個值，來避免無效聲音打斷，比如電話接通后的第一個聲音，設置100ms,后續聲音設置，200-300ms。就可以非常有效避免錯誤打斷。

關鍵詞打斷

2.1版本已經實現，用戶停頓一下就提交ASR識別，把識別結果發送給業務程序，就是讓業務程序控制是否需要打斷。

自動打斷

VAD模塊檢測到用戶聲音后，暫停播放機器人說話聲，同時開始提交聲音流到ASR服務器識別，如果ASR服務器返回的不是有效語句， 恢復機器人說話。

總結

以上是生活随笔為你收集整理的VAD打断方案的全部內容，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。