端点检测的概念
端点检测，也叫语⾳活动检测，Voice Activity Detection，VAD，它的⽬的是对语⾳和⾮语⾳的区域进⾏区分。通俗来理解，端点检测就是为了从带有噪声的语⾳中准确的定位出语⾳的开始点，和结束点，去掉静⾳的部分，去掉噪声的部分，到⼀段语⾳真正有效的内容。 在噪声环境下使⽤语⾳识别系统，或者讲话⼈产⽣情绪或⼼⾥上的变化，导致发⾳失真、发⾳速度和⾳调改变，都会产⽣Lombard/Loud 效应。研究表明，即使在安静的环境下，语⾳识别系统⼀半以上的识别错误来⾃端点检测器。
端点检测的分类
VAD 算法可以粗略的分为三类：基于阈值的 VAD、作为分类器的 VAD、模型 VAD。
基于阈值的 VAD：通过提取时域（短时能量、短期过零率等）或频域（MFCC、谱熵等）特征，通过合理的设置门限，达到区分语⾳和⾮语⾳的⽬的。这是传统的 VAD ⽅法。 作为分类器的 VAD：可以将语⾳检测视作语⾳/⾮语⾳的两分类问题，进⽽⽤机器学习的⽅法训练分类器，达到检测语⾳的⽬的。
模型 VAD：可以利⽤⼀个完整的声学模型（建模单元的粒度可以很粗），在解码的基础，通过全局信息，判别语⾳段和⾮语⾳段。
VAD 作为整个流程的最前端，需要在本地实时的完成。由于计算资源⾮常有限，因此，VAD ⼀般会采⽤阈值法中某种算法；经过⼯程优化的分类法也可能被利⽤；⽽模型 VAD ⽬前难以在本地部署应⽤。
教室直播系统端点检测处理的好，不仅将处理的时间序列变⼩，还能消除⽆声段道噪声。
钩子程序端点检测的原理
为了能更清楚说明端点检测的原理，录制了⼀段⾳频，并且将语⾳信号截取了⼏部分。 开始，有⽚刻的准备⼯作，并未发出声⾳
脱墨纸
第⼀次讲”你好”
第⼆次讲”你好”
第三次伪装了声⾳讲”你好”
可以看到如下特点：
1. ⾸尾的静⾳部分声波的振幅很⼩，⽽有效语⾳”你好”部分的振幅⽐较⼤。
2. ⼀个信号的振幅表⽰了信号能量的⼤⼩，从直观上明显看出静⾳的部分能量值较⼩，有效语⾳部分的能量值较⼤。
金玻璃
3. ⾸尾没有讲话，缺依然有能量值，并且能量值有变化。
4. 在没有特别的伪装和⼲扰的情况下，两次讲你好的振幅，即信号是⼀样的。
人脸识别数据标注5. 第三次由于伪装了声⾳，所以导致振幅同上⾯两次不⼀样，并且由于刻意的伪装，导致第三次的波长度和前两次明显不⼀样。
由此可以了解到端点检测中涉及到的⼀些概念：
噪声：背景⾳称之为噪声。有外界环境的噪声，也有设备本⾝的噪声。在实际使⽤中，如果出现长时间的静默，会使⽤户感到很不⾃然。因此接收端常常会在静⾳期间发送⼀些分组，从⽽⽣成使⽤户感觉舒服⼀些的背景噪声，即所谓的舒适噪声。
静⾳：连续若⼲帧能量值持续维持在低⽔平。理想情况下静⾳能量值为0，但实际⽆法做到，因为⼀般有背景⾳，⽽背景⾳有基础能量值。
4g视频监控端点：静⾳和有效语⾳信号变化临界点。
在实际应⽤中，⽐如说电话通话时，⽤户没有讲话时，就没有语⾳分组的发送，从⽽可以进⼀步降低语⾳⽐特率。当⽤户的语⾳信号能量低于⼀定门限值时就认为是静默状态，也不发送语⾳分组。当检测到突发的活动声⾳时才⽣成语⾳信号，并加以传输。运⽤这种技术能够获得⼤于50%的带宽。
同理，在实际测试过程中我们也需要考虑⾮连续性说话，⽐如⼝吃、犹豫、吞吞吐吐时，语⾔的识别准确性，避免断点检测环节处理出现异常或者不合理的情况。
