1.2 KiB
1.2 KiB
title, type, tags, last_updated
| title | type | tags | last_updated | |||
|---|---|---|---|---|---|---|
| VoiceActivityDetection | concept |
|
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）