袜子效应：可重复使用的沉默

Question

要检测语音，我正在使用此sox命令：

rec voice.wav silence 1 5 30% 1 0:00:02 30%

每当输入音量提高到30％的阈值时它应该开始录音，并且在音频低于相同的阈值2秒后停止。

有效。但如果它可以“重新触发”会好得多。我的意思是：在音频低于阈值并且音频再次上升之后，它应该继续注册（即用户仍在说话）。

只有当它检测到整整2秒的静音时才会停止。 或者你推荐任何其他“VOX”工具吗？

Answer 1

我花了很多时间尝试使用SOX来做VOX并且让它运行得相当好。我一直在使用Audacity来查看合成的波形，并确定了以下SOX命令......

rec snd.wav silence 1 .5 2.85% 1 1.0 3.0% vad gain -n  : newfile : restart

这将：

• 等到听到超过阈值的活动半秒钟，然后开始录音（沉默1.5。2.85％）
• 当听觉活动降至零一秒钟时停止录音（... 1 1.0 3.0％）
• 修剪任何初始静音直到语音检测（vad）
• 规范化增益（增益-n）
• 将结果存储到新文件（snd001.wav，snd002.wav）
• 重启流程

获得＆＃34;沉默＆＃34;正确的数字涉及大量的试验和错误，并将取决于环境噪音以及麦克风的灵敏度。我通过USB在Raspberry Pi上使用Logitech QuickCam IM中的麦克风。

另一方面，整件事抱怨以下......

rec FAIL formats: can't open input  `default': snd_pcm_open error: No such file or directory

...直到我在环境中创建了这个变量：

export AUDIODEV=hw:1,0

再次 - 这涉及对＆＃34;沉默＆＃34;的价值的大量尝试，并且需要对您的环境进行一些调整。