我尝试在Android上创建说话人识别系统。目前我正在使用libxtract来计算帧中的MFCC向量，并使用libsvm进行分类。
您是否知道如何使用libxtract或其他可在NDK下编译的小型C，C ++库来检测帧中的语音（VAD语音活动检测）？
答案 0 :(得分：1)
强大的VAD是一个非常重要的问题，而且有many approaches。
您采取的方法取决于以下因素：
一个简单的方法可能涉及采取一系列功能＆＃34; （例如f0，噪声，前10个部分的幅度）每个音频帧的噪声降低，并且训练机器学习算法（SVM就足够了）具有多种语音和非语音范例。
然而，最好不要将VAD视为一个简单的逐帧音频分类问题，而是将时间变化的音频方面考虑在内。这将使您更好地估计语音段开始和结束的位置。为此，您可以使用envelope follower或spectral flux。您可以在这些包络值上设置高阈值和低阈值，并使用这些（例如）控制音频流上的门。
答案 1 :(得分：1)
使用Jamie描述的一些技术，Voicebox工具包具有良好的VAD实现。您可以在vadsohn.m中找到它，它实现＆＃34;基于统计模型的语音活动检测＆＃34; （1999） - 由Sohn等人。
您还可以在github上找到一些实现，比如G729编解码器VAD（用于VOIP应用程序）。例如masters thesis。
这些实现在MATLAB / Octave中，但可以通过一些工作移植到C / C ++。 祝你好运！
答案 2 :(得分：0)
LibVAD怎么样？ www.libvad.com
看起来就像你正在描述的那样。
披露：我是LibVAD背后的开发者