python---webRTC~vad静音检测-学习笔记

参考：

https://blog.csdn.net/u012123989/article/details/72771667

webRTC~vad

1. mode

0 ---- quality mode
1 ---- low bitrate mode
2 ---- aggressive mode
3 ---- very aggressive mode

2. webRTC~vad只支持10ms, 20ms, 30ms的帧frame判断。

3. webRTC~vad只支持8k采样率

4. 在8k采样基础上

　　(1) 计算子带能量， feature vector

　　(2) 通过高斯混合模型分别计算语音和非语音的概率，使用假设检验的方法确定信号的类。

首先通过高斯模型计算假设检验中的H0和H1，通过门限判决vadflag。
然后更新概率计算所需要的语音均值(speech_means)、噪声均值(noise_means)、语音方差(speech_stds)、噪声方差(noise_stds)。

----------笔记1：反正我是没看懂，推荐看webRTC英文简介中的vad部分；

　　　　idea：如果实时更新 + collections.deque(maxlen)应用到自适应领域，去做静音检测和噪音消除，可行吗？

5. 代码-python

　　import pyaudio

　　import webrtcvad

　　vad = webrtcvad.Vad(1)

　　stream = pyaudio.open(......)

　　chunk = stream.read(chunk_size)

　　active = vad.is_speech(chunk, RATE)

--------笔记2: 我个人笔记：python--webRTC～vad对于声音的判断效果很差，pyaudio等在录音过程中会有电流脉/机器本身运行的声音干扰，vad.is_speech会将电流脉声音判断为有效语音，干扰很大。

portaudio用于音频采集，有两种机制：阻塞和回调。阻塞，自己设定时间，不管有没有数据都要返回；回调，有有效数据的时候才会调用这个函数返回数据。 -----吐嘈：如果python相关包能实现回调的功能，那静音检测还需要做吗？疑问？
pyaudio可以从设备节点读取原始音频流数据,音频编码是PCM格式;
struct.pack(fmt, v1, v2)

　　　　return a string containing the values v1,v2....packed according to the given format. the arguments must match the values required by the format exactly.

　　　　struct.pach用于将python值根据格式符，转换为字符串。(因为python中没有字节Byte类型，可以把这里的字符串理解为字节流或字节数组)

　　　　example1: struct类型表。'i'表示integer; ‘ii'表示转换两个值v1，v2为integer数据；byte 0xff表示一个十六字节，无符号整数。

　　　　example2:struct.pack('>i4sh', 7, b'spam', 8)

　　　　　　fmt=‘>i4sh'，这种格式符是一种linux命令.

　　　　　　'>'是c和python中的一种数据结构

　　　　　　’i' int---interger---7

　　　　　　4s----char-----string对应spam

　　　　　　‘h’----unsigned short------integer---8

array.array(type code[, initalizer])

　　　　a new array whose items are restricted by type code

　　　　'h' -----signed short-----int----2

signal.signal(signalnum, handler)这个模块提供了python内部的信号处理机制，一旦出现signalnum信号，就执行handler函数

　　　　python signal信号类型：SIGINT终止进程，中断进程

collections.deque(maxlen=)通过maxlen限制deque队列中的帧数

　　　　collections是python内建的一个集合模块，提供了许多有用的集合类

　　　　deque()为了高效实现插入和删除操作的双向列表，适用于栈和对列：append(), appendleft(); pop(), popleft()，而list是线性列表，在数据量大的时候插入和删除的效率很低。

python～assert简便地设置断点debugging
python~yield是一个类似return的关键字，只是这个函数返回多个值的生成器，并不立即执行。

question1：在pyaudio.stream录音过程中，突然拔掉麦克风，会莫名其妙的多录入1000多块chunk的电流脉声。

question2: webrtcvad并不能及时、准确的检测出静音，如果静音检测达不到及时准确的要求，延迟在2-4s以上，静音检测就没有多大意义了。

python---webRTC~vad静音检测-学习笔记

相关推荐