人声识别之webrtcvad

1. 简介

• Google开源的用于人声识别，输入支持10ms,20ms,30ms的音频段，采样率支持8000, 16000, 32000 or 48000 Hz
  github 地址：https://github.com/wiseman/py-webrtcvad

2. python中安装以及使用

• 直接pip进行安装

pip install webrtcvad

• 使用

# 创建一个 Vad 对象：
import webrtcvad
vad = webrtcvad.Vad()

# 可选地，设置它的攻击性模式，它是一个介于 0 和 3 之间的整数。0 是过滤非语音的最不积极的，3 是最积极的。 （您也可以在创建 VAD 时设置模式，例如 vad = webrtcvad.Vad(3)）：
vad.set_mode(1)

# 给它一小段（“帧”）的音频。 WebRTC VAD 仅接受 16 位单声道 PCM 音频，采样频率为 8000、16000、32000 或 48000 Hz。 帧的持续时间必须为 10、20 或 30 毫秒：

# 在 10 毫秒的静默状态下运行 VAD。 结果应该是False。
sample_rate = 16000
frame_duration = 10 # 毫秒
frame = b'\x00\x00' * int(sample_rate * frame_duration / 1000)
prtin('Contains speech：%s' % (vad.is_speech(frame, sample_rate) )