声音检测VAD
语音活动检测(Voice Activity Detection,VAD)，就是检测是否有声音，常规的算法是通过声音音量和频谱特征来判断是否有声音的，但是无法区分是噪音还是人声。
VAD技术主要用于语音编码和语音识别。
- 它可以简化语音处理。
- 也可用于在音频会话期间去除非语音片段
- 可以在IP电话应用中避免对静音数据包的编码和传输，节省计算时间和带宽。
webrtc中封装了声音检测算法，但是由于webrtc体量太过庞大，为了一个算法链接这么大个项目不太值得，因此将webrtc中的算法拆出为单独的库
https://github.com/helianchichi/libwvad
支持8000, 16000, 32000, 48000采样率，支持10, 20, 30 ms时长帧
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 ciiki的博客！
相关推荐
2024-11-13
音频处理lowcFE
前言流媒体在网络传输中有可能会发生丢包现象，对于音频，丢包会导致解码后的声音听起来卡顿不连续，lowcFE是种算法，可在发生丢包时猜测丢包内容，模拟丢失的数据 lowcFE，全称为 Low Complexity Frame Erasure 低复杂度帧擦除（为什么叫擦除而不是恢复我也不懂），所谓低复杂度大概原因是其只支持8K采样的10ms数据吧 头文件 lowcfe.h123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566/* ============================================================================ File: lowcfe.h V.1.0-24.MAY-2005 =============================...
2023-10-08
G711编解码--C语言实现
前言G.711是一种窄带音频编解码器，最初设计用于电话，可提供 64 kbit/s 的长途质量音频。它是音频编码的ITU-T标准（推荐），名为语音脉冲编码调制 (PCM)，于 1972 年发布并使用。 G.711 传递300–3400 Hz频段的音频信号，并以8000 Hz 的速率对其进行采样，该速率的容差为百万分之50 (ppm)。 它使用两种不同的对数压扩算法之一：μ-law（主要在北美和日本使用）和A-law（在北美以外的大多数其他国家/地区使用）。每个压扩样本被量化为 8 位，从而产生 64 kbit/s 的比特率。[1] Wikipedia 压缩原理G711按采样点进行压缩，舍弃低位，高位分段，将16bit的一个采样点数据压缩为8bit，所以压缩比固定为 8/16 = 50%。G.711a对高13位进行压缩，主要运用于欧洲和世界其他地区；G.711u对高14位进行压缩，主要运用于北美和日本 G.711a编码 取符号位并取反得到 $\overline s$ 获取强度位 eee 获取高位样本位 wxyz 组合为 $\over...
2022-12-21
音视频笔记（1）--YUV格式
来源我们都知道RGB格式表示色彩，但是之前的显示器只能解析灰白的图像，为了兼容老旧设备，自然不能用RGB格式表示图像，于是YUV出现了。它可以将RGB三个分量转换成YUV三个分量，对于可以显示彩色的设备，解析Y、U、V三个分量，显示出彩色；对于老旧黑白设备，仅解析Y分量，就可以显示出黑白的图像。 YUV和YCbCr、YPbPr几个概念是一样的，Y表示亮度（Luminance），也就是灰度，U是色度（Chrominance），V是浓度（Chroma），而人眼对亮度分量Y的敏感度是高于UV分量的，所以YUV相对于RGB还可以减少数据量 RGB转YUVY = 0.299R + 0.587G + 0.114*B U = -0.147R - 0.289G + 0.436B = 0.492(B-Y) V = 0.615R - 0.515G - 0.100B = 0.877(R-Y) YUV转RGBR = Y + 1.140*V G = Y - 0.394U - 0.581V B = Y + 2.032*U 格式分...
2024-11-05
libx265编码
源码编译12345678git clone https://code.videolan.org/videolan/x264.gitcd x264/sourcemkdir buildcd buildcmake .. -DCMAKE_BUILD_TYPE=Debug -G "MinGW Makefiles"make -j8 编译成功的话应该会产出三个文件，一个静态库 libx265.a，一个动态库 libx265.dll 以及该动态库的导入库 libx265.dll.a 新建编码demo项目拷贝 libx265.a， x265.h，x265_config.h 至demo目录中 这里 encoder.cpp 还是用的雷霄骅–雷神的代码，致敬！https://blog.csdn.net/leixiaohua1020/article/details/42079101 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455...
2023-03-24
ffmpeg SDK学习（2）
ffmpeg sdk 解码 demo上一篇文章《ffmpeg SDK学习（1）》简单编译了一下ffmpeg，生成了可执行程序bin目录，如果想调用ffmpeg自己实现编解码功能，则需要用到静态库lib目录。官方同样提供了相应的调用库的demo例子，本文记录使用官方demo之中的decode_video.c实现H.264的解码。 首先需要H264裸流使用编译出的ffmpeg可执行程序即可从视频里提取H264裸流 123cd /root/study/ffmpeg/build64/bin#如果想调整视频分辨率 ./ffmpeg -i video.mp4 -vf scale=352:288 -y output.mp4./ffmpeg -i output.mp4 -codec copy -f h264 video.h264 拷贝生成的video.h264至examples12cp video.h264 /root/study/ffmpeg/build64/share/ffmpeg/examples/cd /root/study/ffmpeg/build64/share/ffmpeg/ex...
2026-07-16
x264 - 高品质 H.264 编码器
x264_param_t12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414514614714814915015115215315415515615715815916016116216316416516616716816917017117217317417517617717817918018118218318418518618718818919019119219319419519619719...
评论
