所属分类：综合补充资料 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

VAD语音活动检测与人声分离

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程结构 · VAD与人声分离的定义

课程导入学习目标

语音信号基础

采样率 · 量化 · 时域与频域表示

语音信号基础采样率

VAD基础概念

什么是语音活动检测 · VAD的输入输出 · 常见评价指标（准确率

VAD基础概念

传统VAD方法

基于能量 · 过零率 · 谱熵

统计模型VAD

基于高斯混合模型（GMM） · 隐马尔可夫模型（HMM）的语音/非语…

VAD统计模型

机器学习VAD

使用SVM · 随机森林等传统机器学习方法进行语音活… · 特征工程（MFCC

VAD机器学习

深度学习VAD

基于DNN · CNN · RNN/LSTM的VAD模型

VAD深度学习

VAD实战流程

从音频读取 · 预处理 · 特征提取

VAD实战流程

VAD后处理技术

中值滤波 · hang-over机制 · 最小持续时间约束

VAD后处理技术

VAD性能评估与调优

混淆矩阵 · DET曲线 · 不同噪声环境下的鲁棒性测试

VAD性能评估

人声分离基础

人声分离的定义 · 与VAD的关系 · 单声道与多声道分离的区别

人声分离基础人声分离的定义

传统人声分离方法

基于频谱减法 · 维纳滤波 · 自适应滤波的语音增强与分离

传统人声分离方法基于频谱减法

基于矩阵分解的分离

非负矩阵分解（NMF） · 鲁棒主成分分析（RPCA）在歌声/伴…

基于矩阵分解的分…NMF

深度学习人声分离

U-Net · Wave-U-Net · Conv-TasNet

深度学习人声分离U-Net

人声分离数据集与评估

MUSDB18 · DSD100等数据集 · SDR

人声分离数据集评估

人声分离实战

使用预训练模型（如Spleeter · Demucs）进行人声/伴奏分离 · 并调整参数

人声分离实战Spleeter

VAD与人声分离结合

利用VAD检测语音段 · 辅助人声分离的片段处理 · 后处理与质量提升

VAD人声分离结合

实时VAD与人声分离

流式处理 · 低延迟设计 · 模型轻量化（MobileNet

噪声鲁棒性增强

数据增强（加噪 · 混响） · 谱减法

噪声鲁棒性增强数据增强

多说话人场景

说话人日志（diarization）… · 多说话人分离（PIT · DPCL）的基本思路

多说话人场景diarization

构建一个基于WebRTC VAD的实… · 并集成到语音交互系统中

案例实战WebRTC

使用Python和librosa实现… · 并可视化检测结果

案例实战Python

训练一个简单的DNN VAD模型 · 使用TensorFlow/Keras · 并在测试集上评估性能

案例实战DNN

使用Spleeter库对一首歌曲进行… · 并评估分离质量

案例实战Spleeter

将VAD与人声分离串联 · 实现自动去除歌曲中的非语音段 · 并提取纯净人声

案例实战VAD

常见问题与解决方案

VAD误检（漏检 · 虚检） · 分离后音质损失

常见问题解决方案

工程化与部署

模型导出（ONNX · TensorRT） · API设计

工程化部署

自监督学习在VAD中的应用 · 基于Transformer的语音分离… · 多模态融合（音视频VAD）

前沿进展VAD

设计一个完整的语音处理管道 · 从原始音频到VAD分段 · 人声分离

综合项目设计一个完整的语…

课程总结与进阶路径

回顾核心知识点 · 推荐工具库（librosa · torchaudio

课程总结进阶路径