使用 sox 进行语音检测和流式传输
Using sox for voice detection and streaming
目前，我是这样使用sox的：
sox -d -e u-law --endian little -b 8 -c 1 -r 8000 -t ul - silence 1 0.3 1% 1 0.3 1%
作为参考，这是从默认麦克风录制音频并以 8 位和 8k 速率输出小端、ulaw 格式的音频。效果过滤器会修剪音频，直到噪音达到阈值 0.3 秒，然后继续录制直到有 0.3 秒的静音。所有这些流式传输到我用来流式传输到远程服务器的标准输出。
我正在使用所有这些来录制一些声音，并在我说完后结束。为了触发 sox，我使用专门的硬件来触发记录的开始。我可以切换到使用几乎任何音频格式或编解码器，只要它支持即时 formatting/encoding。我的目标平台是 raspberry pi 2 B 上的 raspbian。
我理想的解决方案是在用户说完后使用 vad 停止录音。我希望这即使在有背景聊天的情况下也能奏效。但是，关于 vad 效果的 sox 文档指出：
The use of the norm effect is recommended, but remember that neither
reverse nor norm is suitable for use with streamed audio.
我无法将参数拼凑在一起以使 vad 和流式传输正常工作。是否可以使用 vad 效果停止音频录制，同时仍保持 stdin->sox->stdout 管道？有更好的选择吗？
Is it possible to use the vad effect to stop the recording of audio while still maintaining the stdin->sox->stdout piping?
没有。 vad 效果可以 trim 仅从音频的前面静音。所以你只能用它来检测录制开始，而不是结束和暂停。
reverse 和 norm 过滤器在输出任何数据之前需要所有输入数据，这就是它们不能与流式处理一起使用的原因。
关键是 select 是 silence 过滤器的良好阈值，因此它采用 "background chatter" 作为静音。
您也可以在 silence 之前使用 noisered（使用基于以前录音的配置文件）来减少触发录音的噪音，但这也会影响输出并且可能不会占用 "background chatter" 作为噪声。
目前，我是这样使用sox的：
sox -d -e u-law --endian little -b 8 -c 1 -r 8000 -t ul - silence 1 0.3 1% 1 0.3 1%
作为参考，这是从默认麦克风录制音频并以 8 位和 8k 速率输出小端、ulaw 格式的音频。效果过滤器会修剪音频，直到噪音达到阈值 0.3 秒，然后继续录制直到有 0.3 秒的静音。所有这些流式传输到我用来流式传输到远程服务器的标准输出。
我正在使用所有这些来录制一些声音，并在我说完后结束。为了触发 sox，我使用专门的硬件来触发记录的开始。我可以切换到使用几乎任何音频格式或编解码器，只要它支持即时 formatting/encoding。我的目标平台是 raspberry pi 2 B 上的 raspbian。
我理想的解决方案是在用户说完后使用 vad 停止录音。我希望这即使在有背景聊天的情况下也能奏效。但是，关于 vad 效果的 sox 文档指出：
The use of the norm effect is recommended, but remember that neither reverse nor norm is suitable for use with streamed audio.
我无法将参数拼凑在一起以使 vad 和流式传输正常工作。是否可以使用 vad 效果停止音频录制，同时仍保持 stdin->sox->stdout 管道？有更好的选择吗？
Is it possible to use the vad effect to stop the recording of audio while still maintaining the stdin->sox->stdout piping?
没有。 vad 效果可以 trim 仅从音频的前面静音。所以你只能用它来检测录制开始，而不是结束和暂停。
reverse 和 norm 过滤器在输出任何数据之前需要所有输入数据，这就是它们不能与流式处理一起使用的原因。
关键是 select 是 silence 过滤器的良好阈值，因此它采用 "background chatter" 作为静音。
您也可以在 silence 之前使用 noisered（使用基于以前录音的配置文件）来减少触发录音的噪音，但这也会影响输出并且可能不会占用 "background chatter" 作为噪声。