ভয়েস কার্যকলাপ সনাক্তকরণ

It's the lightweight gatekeeper that tells bigger systems when to start and stop listening.

VAD সময়ের সাথে সাথে একটি সাধারণ বক্তৃতা/অ-বক্তৃতা লেবেল আউটপুট করে, যা ট্রান্সক্রিপশন, ডায়েরাইজেশন এবং ভয়েস সহকারীর জন্য প্রথম প্রান্ত হিসাবে কাজ করে। প্রারম্ভিক VADs স্বল্প-মেয়াদী শক্তি, শূন্য-ক্রসিং রেট এবং বর্ণালী বৈশিষ্ট্যের মতো হস্ত-নির্মিত সংকেত বৈশিষ্ট্যগুলি ব্যবহার করত, ক্লাসিক ETSI/GSM এবং WebRTC VADগুলি টেলিফোনিতে ব্যাপকভাবে স্থাপন করা হয়েছিল। আধুনিক ভিএডি হল ছোট নিউরাল নেটওয়ার্ক (যেমন সিলেরো ভিএডি) যেগুলি কম সংকেত-থেকে-শব্দ অনুপাতেও সঙ্গীত, ভক্ত, ট্র্যাফিক এবং অন্যান্য শব্দ থেকে বক্তৃতাকে আলাদা করতে প্রশিক্ষিত। নীরব অঞ্চলগুলি বাদ দিয়ে, VAD ডাউনস্ট্রিম কম্পিউটকে স্ল্যাশ করে, ভয়েস-ওভার-আইপি-তে ব্যান্ডউইথ হ্রাস করে এবং স্পিচ শনাক্তকারীদের খালি অডিওতে প্রচেষ্টা নষ্ট করা থেকে বাধা দেয়। মূল টিউনিং পরামিতিগুলির মধ্যে রয়েছে সিদ্ধান্তের থ্রেশহোল্ড এবং "হ্যাংওভার" টাইমিং, যা শব্দের নরম প্রান্ত ক্লিপিং এড়াতে ডিটেক্টরকে সংক্ষিপ্তভাবে সক্রিয় রাখে।