早安安！

前言

這部分會稍微大概的提及語音前端的處理方式，接著之間進入到最後的實作，再次申明，真的真的想理解更深入的邦友，可以直接去看看這本書書了喔！

正文

在語音辨識中，雜訊、干擾、殘響無處不在，在麥克風擷取的語音中，這些都會降低語音辨識的辨識率，雜訊的東東可以參考下圖，我們之間進入前端的概述講解吧！

傳統的語音前端演算法是VAD、降噪及AEC，下圖是他們的一個框架。

其中VAD的作用是檢測這段有雜訊的音訊中，是否有語音，聽起來很簡單，但這個演算法在語音互動系統中有著非常重要的作用，其可以加入有Always-on的系統中，在這邊，這種演算法會被作為一級演算法，會在機器後台一直運行，在檢測到語音後直接喚醒後面的語音喚醒或聲紋辨識。由於行動裝置對功耗都有要求，因此一直在後台運行就會有困難，而VAD演算法還有一個重要功能是找到一段語音的起點及終點，並以此對資料進行切割，除此之外，VAD演算法是許多演算法的基礎，如降噪及AEC中，都可根據VAD的結果使用不同的處理策略。

參考書籍：Hey Siri及Ok Google原理：AI語音辨識專案真應用開發
參考網站：今日無
學習對象：ChatGPT