智能静音判停（VAD）

智能静音判停（Voice Activity Detection, VAD）是一项基于语音活动检测的自动化功能，能够在您停止说话后自动停止录音，无需手动操作。

功能原理

工作机制

智能判停基于 Silero VAD 模型 实现实时语音活动检测：

录音 → 实时分析音频 → 检测说话/静音 → 累计静音时长 → 达到阈值 → 自动停止

核心逻辑：

1. 实时分析录音音频，判断是否有人说话
2. 检测到静音后开始计时
3. 静音持续时间超过设定阈值（如 1.2 秒），自动停止录音
4. 提交识别，无需手动点击停止

VAD 模型

说点啥使用 Silero VAD v5 模型，特点：

• 轻量级：模型大小仅约 629KB
• 低延迟：实时检测
• 高准确率：区分说话和背景噪音
• 离线运行：完全本地处理

配置选项

所有配置位于 设置 → 语音识别设置 → 智能静音判停：

配置项	类型	范围	默认值	说明
autoStopOnSilenceEnabled	Boolean	-	false	启用智能判停开关
autoStopSilenceWindowMs	Int	500-3000	1200	静音时长阈值（毫秒）
autoStopSilenceSensitivity	Int	1-10	4	检测灵敏度（1=保守，10=敏感）

详细说明

1. 启用开关

• 配置项：autoStopOnSilenceEnabled
• 路径：设置 → 语音识别设置 → 智能静音判停 → 启用
• 默认：关闭（false）
• 说明：总开关，控制是否启用智能判停功能

2. 静音时长阈值

• 配置项：autoStopSilenceWindowMs
• 路径：设置 → 语音识别设置 → 智能静音判停 → 静音时长
• 范围：500ms - 3000ms（0.5 秒 - 3 秒）
• 默认：1200ms（1.2 秒）
• 说明：检测到静音后等待多久自动停止录音

推荐值：

• 快速模式：800ms（适合短句、聊天）
• 平衡模式：1200ms（默认，适合日常使用）
• 宽松模式：2000ms（适合长句、需要停顿思考）

3. 检测灵敏度

• 配置项：autoStopSilenceSensitivity
• 路径：设置 → 语音识别设置 → 智能静音判停 → 灵敏度
• 范围：1 - 10
• 默认：4
• 说明：控制判定"静音"的阈值，数值越大越容易触发

灵敏度档位：

档位	说明	适用场景
1-3 保守	只在非常确定静音时停止	嘈杂环境、说话声音小、经常停顿思考
4-6 平衡	正常判定，平衡准确性与响应速度	日常使用，办公室、家庭环境
7-10 敏感	快速响应，轻微停顿即触发	安静环境、连续说话、追求快速输入

配置建议

场景化配置

日常聊天

autoStopOnSilenceEnabled = true
autoStopSilenceWindowMs = 1000  # 1 秒
autoStopSilenceSensitivity = 5  # 中等偏敏感

效果：说话停顿 1 秒后自动停止，适合快速聊天

文档口述

autoStopOnSilenceEnabled = true
autoStopSilenceWindowMs = 1500  # 1.5 秒
autoStopSilenceSensitivity = 4  # 平衡

效果：允许短暂停顿思考，避免频繁误停

会议记录

autoStopOnSilenceEnabled = true
autoStopSilenceWindowMs = 2000  # 2 秒
autoStopSilenceSensitivity = 3  # 保守

效果：避免发言人停顿时误停，适合多人对话

工作细节

检测周期

VAD 检测以 96ms 为周期，实时分析音频：

每 96ms 分析一次 → 判断说话/静音 → 更新静音计时器 → 达到阈值触发

判停触发条件

只有同时满足以下条件才会触发自动停止：

1. ✅ 启用智能判停开关（autoStopOnSilenceEnabled = true）
2. ✅ VAD 模型初始化成功
3. ✅ 连续静音时长 ≥ autoStopSilenceWindowMs
4. ✅ 当前处于录音状态

与流式识别的关系

智能判停支持所有识别模式：

识别模式	VAD 判停	说明
流式识别	✅ 支持	判停后停止上传音频流
文件识别	✅ 支持	判停后上传完整音频文件
本地识别	✅ 支持	判停后提交完整音频到本地引擎

故障排查

VAD 判停不生效

检查清单：

1. ✅ 总开关已启用（autoStopOnSilenceEnabled = true）
2. ✅ 静音时长足够（停顿时间 ≥ autoStopSilenceWindowMs）
3. ✅ 环境安静（背景噪音不会被误判为说话）
4. ✅ 录音状态正常（界面显示"录音中"）

常见原因：

• 环境噪音干扰（风扇、空调、键盘声）
• 静音时长设置过长
• 灵敏度设置过低（保守）

解决方案：

# 提高灵敏度
autoStopSilenceSensitivity = 6

# 缩短静音时长
autoStopSilenceWindowMs = 1000

误判停止（说话中突然停止）

可能原因：

• 说话停顿时间过长
• 灵敏度设置过高
• 说话声音过小
• 距离麦克风太远

解决方案：

# 降低灵敏度
autoStopSilenceSensitivity = 3

# 延长静音时长
autoStopSilenceWindowMs = 2000

环境噪音导致无法停止

现象：持续录音，无法自动停止

原因：背景噪音被误判为语音

解决方案：

1. 更换安静环境
2. 使用定向麦克风或降噪耳机
3. 降低灵敏度：

   autoStopSilenceSensitivity = 2

4. 或暂时关闭智能判停，手动控制

延迟感明显（停止说话后等待时间长）

原因：静音时长设置过长

解决方案：

# 缩短静音时长（适合快速输入）
autoStopSilenceWindowMs = 800

平衡建议：

• 快速响应：800-1000ms（可能误停）
• 平衡模式：1200-1500ms（推荐）
• 宽松模式：2000-3000ms（延迟较大）

相关功能

• 录音模式 - 与 VAD 搭配的最佳录音模式
• 语音输入基础 - 了解识别流程
• 悬浮球功能 - VAD 在悬浮球中的应用