目前，我像这样使用sox：
sox -d -e u-law --endian little -b 8 -c 1 -r 8000 -t ul - silence 1 0.3 1% 1 0.3 1%
作为参考，这是从默认麦克风录制音频并以8位和8k速率输出小端，ulaw格式的音频。效果滤波器修剪音频，直到噪声达到阈值0.3秒，然后继续记录，直到有0.3秒的静音。所有这些都流到stdout，我用它来流式传输到远程服务器。
当我说完话语时，我正在使用所有这些来记录一些声音并完成。为了触发sox，我使用专门的硬件来触发录制的开始。我可以切换到使用几乎任何音频格式或编解码器，只要它支持即时格式化/编码。我的目标平台是覆盆子pi 2 B上的raspbian。
我理想的解决方案是使用vad在用户讲完后停止录音。我希望即使背景喋喋不休，这也会奏效。但是，关于vad效果的sox文档说明了这一点：
建议使用标准效果，但请记住 reverse和norm适用于流式音频。
我无法将参数拼凑在一起以获得vad和流媒体工作。是否可以使用vad效果来停止音频录制，同时仍然保持stdin-＆gt; sox-＆gt; stdout管道？还有更好的选择吗？
答案 0 :(得分：2)
是否可以使用vad效果停止音频录制，同时仍然保持stdin-＆gt; sox-＆gt; stdout管道？
没有。 vad效果只能从音频的正面调整静音。因此，您只能使用它来检测录制开始，而不是结束和暂停。
reverse和norm过滤器在输出上生成任何数据之前需要所有输入数据，这就是它们不能与流式传输一起使用的原因。
关键是为silence过滤器选择一个好的阈值，这样就需要＆＃34;背景聊天＆＃34;沉默。
您可以在noisered之前使用silence（基于之前录制的配置文件）来减少触发录制的噪音，但这也会影响输出，可能不会采取＆＃34;背景颤＆＃34;作为噪音。