我正在为VAD（语音活动检测）寻找一些C / C ++代码。
基本上，我的应用程序是从设备读取PCM帧。我想知道用户何时说话。我不是在寻找任何语音识别算法，只是为了语音检测。
我想知道用户何时说话以及何时结束：
bool isVAD（短* pcm，size_t计数）;
答案 0 :(得分：15)
Google的开源WebRTC代码有一个用C语言编写的VAD模块。它使用高斯混合模型（GMM），它通常比简单的能量阈值检测器更有效，特别是在某种情况下动态水平和背景噪音类型。根据我的经验，它比Gilad在their comment中提到的Moattar-Homayounpour VAD更有效。
VAD代码是更大，更大的WebRTC存储库的一部分，但它很容易将其拉出并自行编译。例如。 webrtcvad Python wrapper includes just the VAD C source。
WebRTC VAD API非常易于使用。首先，音频必须是单声道16位PCM，具有8 KHz，16 KHz或32 KHz的采样率。发送到VAD的每个音频帧长度必须为10,20或30毫秒。
以下是假设audio_frame为16毫秒的10毫秒（320字节）音频的示例概要：
#include "webrtc/common_audio/vad/include/webrtc_vad.h"
// ...
VadInst *vad;
WebRtcVad_Create(&vad);
WebRtcVad_Init(vad);
int is_voiced = WebRtcVad_Process(vad, 16000, audio_frame, 160);
答案 1 :(得分：7)
Sphinx和Freeswitch项目中有开源实现。我认为它们都是基于能量的探测器，不需要任何模型。
Sphinx 4（Java但很容易移植到C / C ++）
答案 2 :(得分：4)