sato_susumu https://blog.hatena.ne.jp/sato_susumu/ 佐藤百貨店 https://www.sato-susumu.com/ 音声認識システムを使うとき、無音部分までデータを送るのは料金だったりリソースの無駄になりがち。 それに、無音や雑音を音声認識させると、何かと変な結果が返ってきがち。 そこで前々から気になっていたのがVAD(Voice Activity Detection、発話区間検出)。 中でもSilero VADは精度が高いらしいけど、 ・ストリーミングで発話区間を検出して ・ソースコードがコンパクトで ・全体の音声データをWAV形式で保存して ・発話部分だけを切り出して、これもWAV形式で保存して ・発話ごとのラベル情報を記録して といったサンプルが見つからなかったので、自分で作ってみました。 もちろん、… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.sato-susumu.com%2Fentry%2Fsilero_vad" title="発話区間検出ライブラリSilero VADを使ってみた - 佐藤百貨店" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/s/sato_susumu/20241218/20241218192418.png Hatena Blog https://hatena.blog 2024-12-18 19:31:05 rich https://www.sato-susumu.com/entry/silero_vad 1.0 100%