跳转至

VOX声音触发检测算法

VOX(Voice Operated Exchange)即 声音触发检测,也常被称为声控开关。它在麦克风输入信号上逐帧判断”当前是否有人说话”,输出一个开关量状态:

  • 触发(唤醒):连续检测到人声达到设定时长后,VOX 状态置为”开”,表示进入说话状态;
  • 休眠:连续一段时间没有检测到人声后,VOX 状态置为”关”,表示退出说话状态。

1. VOX软件平台

以下SDK可以支持VOX功能:

  • 语音通话降噪SDK:CI13LC_SDK_NN_ENC

2. 数据结构

2.1 模块配置 agc_config_t

components/alg/agc/ci_agc.h

typedef struct
{
    float compress_gain;
    float target_db;
    float agc_gain;
    int32_t vox_Th;         // VOX 判决能量阈值
    int16_t vox_Wake;       // 唤醒去抖,单位 0.1 s
    int16_t vox_Delay;      // 休眠拖尾,单位 s
    bool compute_agc;       
    int32_t min_fast_deccent;
    int32_t min_gradient;
    int32_t min_avg_longterm;
    int32_t accelerated_r;
    int32_t agc_log;
} agc_config_t;

2.2 默认参数

ci_ssp_config.c

//VOX参数
.vox_Th    = 100000,  //1500000:低灵敏度  100000:中灵敏度  50000:高灵敏度
.vox_Wake  = 5,       //连续(vox_Wake*0.1)秒检测到语音,进入触发状态
.vox_Delay = 1,       //连续 vox_Delay 秒没有检测到语音,进入休眠状态

灵敏度参考(voxTh):

voxTh 灵敏度 适用场景
1500000 低 噪声较大环境,减少误触发
100000 中 默认,通用对讲场景
50000 高 安静环境、远距离拾音

2.3 模式选择宏

projects/nn_denoise_rtc_sample/src/user_config.h

// VOX(声音触发检测)与AGC(自动增益控制)模式组合,以下三选一(仅开启一个)
#define VOX_0_AGC_1   0   // 关 VOX、开 AGC
#define VOX_1_AGC_0   0   // 开 VOX、关 AGC 增益
#define VOX_1_AGC_1   0   // 开 VOX、开 AGC
#if VOX_0_AGC_1 || VOX_1_AGC_0 || VOX_1_AGC_1
#define USE_AGC_MODULE  1 // VOX 开启时必须开启 AGC 模块
#else
#define USE_AGC_MODULE  0
#endif

2.4 编译期约束(#error 保护)

约束 位置
DENOISE_TVAD 必须同时开启 VOX user_config.h
开启任一 VOX 宏时必须 USE_AGC_MODULE = 1 user_config.h
Flash 录音播放模式 + VOX + USE_SPEEX_STORE_LOCAL_ENABLE=0 不支持 user_config.h
Flash 录音播放模式 + VOX 与 AHS/DRC 模块共存受限 user_config.h

2.5 输出引脚宏

宏 说明
RTC_FLASH_VOX_FUNC_GPIO_DEFAULT 正式板 VOX 功能输出开关,引脚 PB1;有人声输出低,无人声输出高(user_config.h)
RTC_VOX_LED_GPIO_DEFAULT 演示板 VOX 指示灯开关,引脚 PA7,高电平点亮(user_config.h)

2.6 FLASH录音场景 vox_info_t

projects/nn_denoise_rtc_sample/src/ci_flash_record_play_handle.h

typedef struct
{
    uint8_t th;      // 阈值档位,实际下发值 = th*10000 + 5000
    uint8_t wake;    // 唤醒去抖档位(0.1 s 计数)
    uint8_t delay;   // 休眠延迟档位(s)
} vox_info_t;

NV 存储 ID:NVDATA_ID_VOX_INFO = 0x90000001,默认值 th=0, wake=3, delay=1。