如何做一個體面的語音檢測？

Question

我需要編寫一個語音檢測算法（不是語音識別）。

起初我以爲我只需測量話筒功率並將其與某個閾值進行比較。但是，一旦必須考慮環境聲級時，問題會變得更加困難（例如，在酒吧中，由於其他人正在談話而立即超越了簡單的功率閾值）。

所以在第二個版本中，我認爲我必須測量當前的功率尖峯與平均聲級或類似的東西。編碼這個想法對我來說證明是相當有趣的，在這一點上我決定研究已有的解決方案。

你知道關於語音檢測的一些通用算法描述嗎？ C/C++/Objective-C中的現有代碼或庫也很好，無論是商業還是免費。

P.S.我猜「語音」和「聲音」識別有區別，第一個只對接近人類語音範圍的頻率做出反應。我對第二個更簡單的案例很滿意。

Answer 1

Google需要的關鍵詞是Voice Activity Detection（VAD） - 它在電信中廣泛使用，特別是在Acoustic Echo Cancellation（AEC）中。