端点检测 python

端点检测（Endpoint Detection，也称为VAD，Voice Activity Detection）是语音处理的一个重要环节，其主要任务是识别语音信号中的有声段和无声段，并将其分割成语音帧。下面是一个简单的Python实现：

import numpy as np
import librosa

def endpoint_detection(signal, sr):
    # 计算短时能量
    signal = np.abs(librosa.stft(signal))
    energy = np.sum(signal ** 2, axis=0)
    energy = librosa.util.normalize(energy)

    # 计算过零率
    zero_crossings = np.mean(librosa.zero_crossings(signal), axis=0)

    # 合并两种特征
    features = energy * zero_crossings

    # 设置阈值
    threshold = np.max(features) * 0.5

    # 寻找端点
    endpoints = librosa.effects.split(signal, top_db=threshold)

    return endpoints

这个实现首先计算短时能量和过零率作为语音信号的特征，然后将它们结合在一起。最后，通过设定一个阈值来寻找端点。这个阈值是特征的最大值的一半。当特征大于这个阈值时，就认为这是有声段，否则是无声段。这个函数返回语音信号的端点，即切割语音信号的位置。