Folia
← 返回头版

RealtimeVAD 开源发布:以误报换取语音结束检测提前约百毫秒

开发者在 Hacker News 上发布了名为 RealtimeVAD 的开源工具,旨在解决本地语音助手中的语音结束信号延迟问题 1。该方案使用自适应阈值的能量检测器替代现有的 Silero 模型,通过牺牲一定的误报率来换取更快的响应速度 1。与存在可见语音结束信号滞后的 Silero 模型相比,RealtimeVAD 采用 10 ms 能量检测器配合适应环境噪音的阈值 1。

基准测试显示,该方法在初始阶段比现有方案快约 110 毫秒,修复静音问题后仍保持约 100 毫秒的优势 1。测试基于约 3200 个交互回合进行 1。这一权衡策略是以更多的误报(false positives)换取更低的延迟,并在生成管道中通过快速中止来处理错误 1。


评论