iOS 上麦克风输入的语音活动检测

Question

我正在开发一款基于语音的人工智能的 iOS 应用程序；也就是说，它的目的是从麦克风获取语音输入，将其转换为文本，将其发送给人工智能代理，然后通过扬声器输出返回的文本。我已经一切正常，不过使用按钮来开始和停止录制语音（用于语音识别的 SpeechKit、用于 AI 的 API.AI、用于输出的 Amazon Polly）。

我需要的是让麦克风始终打开，并在用户开始和结束说话时自动开始和停止录制用户的声音。这个应用程序是为非正统的环境开发的，用户将无法访问屏幕（但他们将有一个高端猎枪式麦克风来录制文本）。

我的研究表明，这一难题被称为“语音活动检测”，似乎是整个基于语音的人工智能系统中最困难的步骤之一。

我希望有人可以提供一些简单的（Swift）代码来自己实现这一点，或者为我指明可以在这个项目中实现的一些不错的库/SDK 的方向。

Answer 1

为了获得良好的 VAD 算法实现，您可以使用 py-webrtcvad。

它是 C 代码的 Python 接口，您可以从项目中导入 C 文件并从 swift 中使用它们。

Answer 2

米克·伯恩。

这个问题你解决了吗？

我也有同样的问题。如果你解决了，能告诉我概念或解决方案吗？

我要在评论中提出问题，但我不能发表评论，因为我是 StackOverflow 新手。对不起。