mrcp-plugin-with-freeswitch
mrcp-plugin-with-freeswitch copied to clipboard
wangkaisine
你好，我想请教一下你是如何实现用户不说话是结束识别的？
实际上如果你替换了unimrcp/data/下的one-8kHz.pcm文件，自己录或找一个说了5秒钟话，然后静音5秒，再说5秒的话，然后运行unimrcpclient的run recog命令，你会看到识别的结果只有第一个5秒钟说的话，中间静音的5秒，unimrcp检测到activity是连续的0了，就自动关闭了channel，不会识别后5秒有话语的语音。但我发现unimrcp的声音检测效果不好，而且敏感度的调节参数（好像是0-256）跳变的比较厉害，因此我自己实现的时候自己编译了一个C语言写的VAD模型（使用GMM训练），使用动态库调用，加了一些后处理，加强了说话结束的识别效果，结果令人满意。
Jerry You [email protected] 于2018年12月12日周三 下午2:56写道：
我也想知道： 如何设定用户说话的监听，vad
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/wangkaisine/mrcp-plugin-with-freeswitch/issues/2#issuecomment-446482591, or mute the thread https://github.com/notifications/unsubscribe-auth/AQwX-ljEO_Tr5pUH1wf0BIw3Xt9_JpWOks5u4KiTgaJpZM4WtG4a .
unimrcp检测到activity是连续的0了，就自动关闭了channel，不会识别后5秒有话语的语音。但我发现unimrcp的声音检测效果不好，而且敏感度的调节参数（好像是0-256）跳变的比较厉害
我也发现了这个问题，修改默认的阈值能有一定改善，但是达不到满意的效果
因此我自己实现的时候自己编译了一个C语言写的VAD模型（使用GMM训练），使用动态库调用，加了一些后处理，加强了说话结束的识别效果，结果令人满意。
这个有没有开源， 参考参考
百度在webrtc上做的，有开源。
Jerry You [email protected] 于2018年12月25日周二 下午5:07写道：
unimrcp检测到activity是连续的0了，就自动关闭了channel，不会识别后5秒有话语的语音。但我发现unimrcp的声音检测效果不好，而且敏感度的调节参数（好像是0-256）跳变的比较厉害
我也发现了这个问题，修改默认的阈值能有一定改善，但是达不到满意的效果
因此我自己实现的时候自己编译了一个C语言写的VAD模型（使用GMM训练），使用动态库调用，加了一些后处理，加强了说话结束的识别效果，结果令人满意。
这个有没有开源， 参考参考
— You are receiving this because you commented. Reply to this email directly, view it on GitHub https://github.com/wangkaisine/mrcp-plugin-with-freeswitch/issues/2#issuecomment-449828249, or mute the thread https://github.com/notifications/unsubscribe-auth/AQwX-pElcZunnDocoZxDtp36Y6PlEWg6ks5u8erhgaJpZM4WtG4a .
因此我自己实现的时候自己编译了一个C语言写的VAD模型（使用GMM训练），使用动态库调用，加了一些后处理，加强了说话结束的识别效果，结果令人满意。
能否指引一下unimrcp默认的vad功能在哪里实现?在官网只能找到server端调用bing和google的api的vad设置, 找不到client端对音频的vad
已经弃用了unimrcp， 改用freeswitch加载定制的语音识别模块so文件，这样只需根据第三方语音识别api做处理，很大程度方面修改。
能否说下“freeswitch加载定制的语音识别模块so文件”的开发思路
这是一个定制语音识别so文件开发的demo库，可以参考开发自己的so https://github.com/cdevelop/FreeSWITCH-ASR