流式和离线语音场景下VAD语音端点检测算法实践

摘要

近年来，AI智能语音应用在58同城广泛落地。无论是智能语音交互平台还是“灵犀”智能语音分析平台，都需要对电话语音进行处理分析，服务上层应用。如果把音频信号比作水流，语音端点检测(VAD, Voice Activity Detection)就是控制水流的阀门，其结果决定了系统的后续动作。

本文主要讲述了58自研的VAD系统在流式、离线两大场景中的实践过程，第一部分简单介绍这两大场景，第二部分是对VAD算法的一个概述，第三、第四部分分别描述了流式、离线场景中遇到的不同问题以及解决方案，第五部分是评测结果，第六、第七部分是总结和参考文献。