
外部精选
软件工程
#开发者实时流开发者发布 RealtimeVAD:用自适应能量检测替代 silero,语音结束检测提前约 110 毫秒
来源标题:Show HN: RealtimeVAD – trading false positives for 110ms earlier end-of-speech
开发者发布 RealtimeVAD,用 10 毫秒能量检测器配合自适应阈值判断语音结束,比 silero 提前约 110 毫秒。作者在约 3200 轮助手日志上测试,初期快约 110 毫秒,修复后对轻声语音仍快约 100 毫秒。代价是误报增多,但作者认为在推测式生成流程中可快速中止,因此影响不大,并已公开代码和基准测试脚本。
Hacker News 最新koljab2026/11/12 · 5 天前3 分钟阅读
这个来源的 RSS 只提供摘要,下面是原文导语;完整论述请点「打开原文」。
大家好。我最近看了我本地语音助手的延迟报告,里面会显示波形以及 silero 的语音活动概率。我注意到 silero 在语音结束信号上有明显的滞后。我觉得一定有办法让这个信号更接近我认为的最优状态。我的想法是使用一个 10 ms 的能量检测器,其阈值能自适应环境或房间噪声。效果非常好。它带来了更多误报,但在我这个推测式生成流水线里这并不影响。如果判断错了、用户还在继续说,我可以快速中止流水线。我用助手日志里约 3200 轮对话对我的方案做了基准测试,最初结果快了约 110 ms。在做了一个针对轻声说话的必要修复后,现在仍然快 100 ms。我把它公开了,感兴趣可以看看。如果你在自己的数据上测一测,我非常欢迎任何反馈。仓库里有一个基准测试脚本。感谢阅读,祝大家有美好的一天。
本条为导读摘要,完整论述请以原文为准。