---
title: "VoiceActivityDetection"
type: concept
tags: ["voice-ai", "audio-processing", "whisper"]
last_updated: 2026-05-02
---

# VoiceActivityDetection (VAD)

## Definition

Voice Activity Detection（语音活动检测）是识别音频流中人类语音片段的技术，用于跳过静音区域。在 Whisper 类转录模型管道中作为预处理阶段，显著减少需要处理的音频量，提高转录效率和成本效益。

## Key Properties

- **典型阈值**：`min_silence_duration_ms=500`（500ms 静音才触发跳过）
- **在 Whisper 中的角色**：`vad_filter=True` + `vad_parameters` 参数
- **效果**：减少 ~30-50% 的静音处理，提升 1.5-2x 吞吐量
- **误判风险**：音乐、背景语音、非语音音效可能被误判为静音

## Usage in Pipeline

```
原始音频 → VAD 过滤 → 非静音片段 → FasterWhisper 转录
```

## Related Concepts
- [[FasterWhisper]] — VAD 的主要消费方
- [[OverlapAwareChunking]] — VAD 之后对长音频的分块处理
- [[EBUR128LoudnessNormalization]] — VAD 之前的响度归一化（确保 VAD 阈值准确）

## Related Sources
- [[engineering-voice-ai-integration-engineer]]