问题标签 [voice-detection]

我正在制作一个音频过滤应用程序，它可以读取数百个音频文件并对其进行过滤。因此，如果音频中有人声，它将接受它，如果没有，它将删除音频文件。

我正在使用 ffmpeg 来获取音频的详细信息并添加其他过滤器，例如大小和持续时间以及静音（尽管它在检测所有音频文件的静音方面不是很准确。）

我的公司要求我尝试使用 Google Cloud Speech API 来检测音频中是否有任何人声。

因此，使用此代码，一些音频文件会在音频文件中返回口语单词的转录，但我需要确定是否有人在说话。

我考虑过使用hark.js，但似乎没有足够的文档，而且我的时间很短！

附言。我是一名实习生，我刚开始编程。如果我的问题没有意义或听起来很愚蠢，我深表歉意。

我正在尝试使用文件输出流将 Short[] 写入 wav 音频文件，但该文件仅包含刮擦声。我使用 short[] 而不是 byte[] 的原因是因为我正在尝试使用提供Voice Activity Detection的外部库。我确实将Android 音频记录中提供的 wav 标头添加到 wav并且我尝试使用将 Short 数组从音频记录转换为字节数组将 Short [] 转换为 byte [] 而不会降低音频质量？但以上链接都无法帮助我。这是我的代码：

MediaRecorder我正在使用API成功运行充当语音消息发送者的客户端网页：

• 当用户按任意键时，开始录音，
• 当按键被释放时，录音会通过 soketio 发送到服务器进行进一步处理。

这是一种PTT（一键通）用户体验，用户只需按下一个键（推）即可激活语音记录。之后他必须松开按键以停止录制，触发消息发送到服务器。

这是我使用的一个javascript代码块：

现在，我想要的是激活/停用音频（语音）录制，不仅可以通过网页按钮/按键/触摸，还可以通过外部硬件麦克风（带有一键通按钮）。更准确地说，我想用耳罩上的 PTT 按钮连接工业耳机，见图：

顺便说一句，该PTT按钮只是一个物理按钮，用作短路拨动开关，如图所示，仅作为示例：

• 默认情况下，麦克风接地，输入信号 == 0
• 当PTT按下按钮时，微被激活并输入信号！= 0。

现在我的问题是：如何使用 Web Audio API 来检测何时按下 PTT 按钮（因此音频信号 > 0）来执行mediaRecorder.start()？

在这里阅读：我想我必须使用返回的流mediaDevices.getUserMedia并创建一个AudioContext()处理器：

但是该processor.onaudioprocess函数必须做什么才能启动（volume > DELTA）和停止（volume < DELTA）MediaRecorder？

我想音量检测可能对两种情况有用：

• 使用PTT按钮，用户明确决定演讲的持续时间，按下和释放按钮
• 没有PTT按钮，在这种情况下，语音消息是使用所谓的VOX模式（连续音频处理）创建的

任何想法？

我正在开发一个帮助盲人找东西的应用程序，我想在应用程序中添加语音操作的功能，例如，当用户说“打开”时，应用程序将午餐

我目前正在使用 chrome 扩展程序，可以取消在浏览器中播放的视频的背景音乐。我在这个论坛上发现了一种检测浏览器是否正在播放音乐的方法（第一步），它可以在浏览器上运行，但实际上不能用于扩展。所以我想知道是否有人知道可以检测浏览器声音的节点包。同样，如果有人知道一个包可以从视频（在 JS 中）中“拆分”音乐和语音，我很感兴趣。

祝你有美好的一天！