人聲識別之webrtcvad

1. 簡介

• Google開源的用於人聲識別，輸入支持10ms,20ms,30ms的音頻段，采樣率支持8000, 16000, 32000 or 48000 Hz
  github 地址：https://github.com/wiseman/py-webrtcvad

2. python中安裝以及使用

• 直接pip進行安裝

pip install webrtcvad

• 使用

# 創建一個 Vad 對象：
import webrtcvad
vad = webrtcvad.Vad()

# 可選地，設置它的攻擊性模式，它是一個介於 0 和 3 之間的整數。0 是過濾非語音的最不積極的，3 是最積極的。 （您也可以在創建 VAD 時設置模式，例如 vad = webrtcvad.Vad(3)）：
vad.set_mode(1)

# 給它一小段（“幀”）的音頻。 WebRTC VAD 僅接受 16 位單聲道 PCM 音頻，采樣頻率為 8000、16000、32000 或 48000 Hz。 幀的持續時間必須為 10、20 或 30 毫秒：

# 在 10 毫秒的靜默狀態下運行 VAD。 結果應該是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) )