आवाज गतिविधि का पता लगाना

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

VAD समय के साथ एक सरल वाक्/गैर-वाक् लेबल आउटपुट करता है, जो प्रतिलेखन, डायरीकरण और आवाज सहायकों के लिए फ्रंट एंड के रूप में कार्य करता है। प्रारंभिक वीएडी में अल्पकालिक ऊर्जा, शून्य-क्रॉसिंग दर और वर्णक्रमीय विशेषताओं जैसी हस्तनिर्मित सिग्नल सुविधाओं का उपयोग किया गया था, जिसमें क्लासिक ईटीएसआई/जीएसएम और वेबआरटीसी वीएडी को टेलीफोनी में व्यापक रूप से तैनात किया गया था। आधुनिक वीएडी छोटे तंत्रिका नेटवर्क (जैसे सिलेरो वीएडी) हैं जिन्हें कम सिग्नल-टू-शोर अनुपात पर भी संगीत, प्रशंसकों, यातायात और अन्य शोर से भाषण को अलग करने के लिए प्रशिक्षित किया जाता है। मौन क्षेत्रों को हटाकर, VAD डाउनस्ट्रीम गणना को कम कर देता है, वॉइस-ओवर-आईपी में बैंडविड्थ को कम कर देता है, और वाक् पहचानकर्ताओं को खाली ऑडियो पर प्रयास बर्बाद करने से रोकता है। मुख्य ट्यूनिंग मापदंडों में निर्णय सीमा और "हैंगओवर" समय शामिल है, जो शब्दों के नरम सिरों को क्लिप करने से बचने के लिए डिटेक्टर को थोड़े समय के लिए सक्रिय रखता है।