amsehili/auditok

解決的問題

auditok 是一個輕量級的音訊活動檢測程式庫，協助使用者在音訊串流中找出「聲音出現在哪裡」。它解決了手動將音訊檔案分割為事件、移除靜音，或在不需使用重型神經網路的情況下偵測語音區段的問題。

工作原理

此程式庫的核心是使用能量閾值將音訊串流分割為事件。閾值可手動設定，也可使用「otsu」（平衡）或「percentile」（雜訊底噪 + 安全邊距）等方法自動估算。若需更精確的語音檢測，可選擇性地整合 WebRTC 語音活動偵測器（VAD）作為幀級判斷器。

適用對象

從事音訊處理的開發者，例如開發語音活動檢測（VAD）系統、靜音移除工具，或為播客與語言課程進行音訊分段，特別是在需要速度與低計算負載的場景下。

特色亮點

• 靈活輸入： 支援檔案、原始位元組、麥克風輸入與串流，包含單聲道與多聲道音訊。
• AudioRegion API： 用於輕鬆切片、合併與匯出音訊片段的中心資料結構。
• 自動閾值： 能自動適應不同雜訊水平，減少對每檔檔案手動調校的需求。
• 命令列介面： 提供子命令，可直接在終端機中執行分割、裁剪與靜音段歸一化。
• Jupyter 結合： 內建互動式元件，可在筆記本中視覺化並播放偵測到的音訊區域。