#3961 ten-vad和Silero的区别

VAD（语音活动检测）用于在语音识别前切分音频，区分语音段和静音/噪音段。ten-vad 和 silero 是两种不同的 VAD 模型，主要区别在于性能和资源消耗。

区别与选择建议：

1. ten-vad：基于 Tencent 的 VAD 模型，对中文语音的检测效果通常更好，更准确。
2. silero：一个通用的 VAD 模型，支持多种语言，在非中文场景下表现良好，资源消耗相对较低。

如何选择：

• 如果您的原始视频是中文语音，优先选择 ten-vad 以获得更准确的切分。
• 如果原始视频是英文或其他语言，或者您希望降低资源占用，可以选择 silero。
• 您可以在“菜单-工具-高级选项-语音识别参数-选择VAD”中进行切换和测试。

通用参数调整（无论选择哪个VAD）：

• 语音阈值：默认0.5。降低此值（如0.3）会使检测更敏感，但可能将噪音误判为语音；提高此值（如0.7）则更严格，可能漏掉微弱语音。
• 静音分割持续毫秒数：默认500ms。增大此值（如800）会让语音片段合并得更长；减小此值（如300）则切分更细碎。

请查阅相关文档：

• 语音识别中的VAD参数调整