WebRTC 语音激活检测(VAD)算法

语音激活检测最早应用于电话传输和检测系统当中，用于通信信道的时间分配，提高传输线路的利用效率。激活检测属于语音处理系统的前端操作，在语音检测领域意义重大。

但是目前的语音激活检测，尤其是检测人声开始和结束的端点始终是属于技术难点，各家公司始终处于能判断，但是不敢保证判别准确性的阶段。

通常搭建机器人聊天系统主要包括以下三个方面:

1. 语音转文字(ASR/STT)
2. 语义内容(NLU/NLP)
3. 文字转语音(TTS)

语音转文字主要包括如下几个方面：

1. 麦克风降噪
2. 声源定位
3. 回声消除
4. 唤醒词/语音激活检测
5. 音频格式压缩

语音激活检测主要功能可以有：

1. 自动打断
2. 去掉语音中的静音成分
3. 获取输入语音中有效语音
4. 去除噪声，对语音进行增强

检测原理

WebRTC的VAD模型采用了高斯模型，这一模型应用极其广泛。

检测原理是根据人声的频谱范围，把输入的频谱分成六个子带（80Hz~250Hz，250Hz~500Hz，500Hz~1K，1K~2K，2K~3K，3K~