2. VAD基础概念

做 VAD 前端部署，第一步就是选对工具。说白了，你得想清楚：音频从哪来？怎么处理？跑在哪个线程？

我刚开始做这个方向时，也踩过不少坑。今天就把这些经验拆开揉碎了讲给你听。

2.1 音频采集：Web Audio API vs WebRTC

这两个都能拿到麦克风音频流。但它们的定位完全不同。

对比维度	Web Audio API	WebRTC (getUserMedia + MediaStream)
核心用途	音频处理、合成、分析	实时通信、媒体流传输
获取音频方式	通过 AudioContext.createMediaStreamSource()	通过 getUserMedia() 获取 MediaStream
采样率控制	由 AudioContext 的 sampleRate 决定	由浏览器和硬件决定，无法直接控制
延迟特性	低延迟，适合实时处理	中等延迟，为网络传输优化
VAD 适用性	⭐⭐⭐⭐⭐ 首选	⭐⭐⭐ 需要额外转换

举个例子。你拿到 MediaStream 后，想喂给 VAD 模型，得先转成 AudioBuffer 或 Float32Array。Web Audio API 直接就能输出 AudioBuffer，省掉中间步骤。

// 推荐方式：Web Audio API
const audioContext = new AudioContext({ sampleRate: 16000 });
const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
const source = audioContext.createMediaStreamSource(stream);
// source 直接接入 AudioWorklet 或 ScriptProcessor

2.2 音频处理：AudioWorklet vs ScriptProcessor

拿到音频流后，你需要一个「处理节点」来跑 VAD 算法。这里有两个选择。

2.2.1 ScriptProcessor（已废弃，但还能用）

ScriptProcessor 是 Web Audio API 早期的处理方案。它运行在主线程，通过 onaudioprocess 事件回调处理音频。

const processor = audioContext.createScriptProcessor(1024, 1, 1);
processor.onaudioprocess = (event) => {
  const inputData = event.inputBuffer.getChannelData(0);
  // 在这里跑 VAD 算法
  const isSpeech = vadModel.process(inputData);
};

2.2.2 AudioWorklet（推荐）

AudioWorklet 是 Web Audio API 的现代方案。它在独立线程（AudioWorkletGlobalScope）中运行，不阻塞主线程。

// 1. 注册 Worklet
await audioContext.audioWorklet.addModule('vad-processor.js');

// 2. 创建节点
const vadNode = new AudioWorkletNode(audioContext, 'vad-processor');

// 3. 连接
source.connect(vadNode);
vadNode.connect(audioContext.destination);

// 4. 接收结果
vadNode.port.onmessage = (event) => {
  const { isSpeech, confidence } = event.data;
  updateUI(isSpeech, confidence);
};

在 vad-processor.js 中：

class VADProcessor extends AudioWorkletProcessor {
  process(inputs, outputs, parameters) {
    const input = inputs[0];
    if (input.length > 0) {
      const channelData = input[0];
      const result = runVAD(channelData);
      this.port.postMessage(result);
    }
    return true; // 保持处理器活跃
  }
}
registerProcessor('vad-processor', VADProcessor);

对比维度	ScriptProcessor	AudioWorklet
运行线程	主线程	独立音频线程
延迟	较高（至少 2 个 buffer 长度）	极低（1 个 buffer 长度）
稳定性	可能被 UI 任务阻塞	稳定，不受主线程影响
浏览器支持	所有浏览器（已标记废弃）	Chrome 66+, Firefox 76+, Safari 14.1+
VAD 推荐度	❌ 不推荐	✅ 强烈推荐

2.3 浏览器兼容性分析

做前端部署，最头疼的就是兼容性。我整理了一份主流浏览器的支持情况。

特性	Chrome	Firefox	Safari	Edge
Web Audio API	✅ 全支持	✅ 全支持	✅ 全支持	✅ 全支持
getUserMedia	✅ 全支持	✅ 全支持	✅ 11+	✅ 全支持
AudioWorklet	✅ 66+	✅ 76+	✅ 14.1+	✅ 79+
ScriptProcessor	✅ 全支持（废弃）	✅ 全支持（废弃）	✅ 全支持（废弃）	✅ 全支持（废弃）
AudioContext.sampleRate	✅ 全支持	✅ 全支持	⚠️ 部分限制	✅ 全支持

function isAudioWorkletSupported() {
  return 'audioWorklet' in AudioContext.prototype;
}

function getSupportedSampleRate() {
  const ctx = new AudioContext();
  return ctx.sampleRate;
}

2.4 整体技术选型流程图

下面这张图，帮你理清整个选型逻辑。

2.5 我的最终推荐方案

说了这么多，直接给结论吧。

1. 音频采集：用 getUserMedia 获取 MediaStream，然后通过 AudioContext.createMediaStreamSource() 接入 Web Audio API 的音频图。
2. 音频处理：用 AudioWorklet 跑 VAD 算法。如果目标浏览器不支持，降级到 ScriptProcessor。
3. 采样率：创建 AudioContext 时指定 sampleRate: 16000。如果浏览器不支持（比如 Safari），手动重采样。
4. 兼容性检测：运行时检测 audioWorklet 和 sampleRate 支持情况，动态选择方案。