Glossar
Voice activity detection
Spracherkennung (Voice Activity Detection, VAD) ist eine Technik, die erkennt, welche Teile eines Audiostreams Sprache enthalten und welche Stille oder Hintergrundgeräusche sind.
Was das bedeutet
VAD beantwortet eine enge Frage: Spricht gerade jemand? Es transkribiert das Audio nicht und identifiziert auch nicht den Sprecher. Software nutzt es, um stille Phasen zu überspringen, um zu wissen, wann die Verarbeitung beginnen und enden soll, und um saubereres Audio in die Transkription einzuspeisen.
In einer Transkriptions-Pipeline ist VAD ein nützlicher erster Schritt. Indem lange Pausen und nicht-sprachliche Audioanteile vor der Spracherkennung entfernt werden, verkürzt es die Verarbeitungszeit und reduziert falsche Texte durch Hintergrundgeräusche.
Wie das sich auf Autorec bezieht
Autorec nutzt eine Sprachaktivitäts-Schätzung aus seiner Rauschunterdrückung, um das optionale Audio-Ducking zu steuern. Der Transkriptionsschritt verwendet keine VAD.
Autorec ausprobieren
Ein lokal arbeitender Meeting-Rekorder für Linux, Windows und macOS. Er erkennt Ihre Anrufe automatisch, nimmt auf Ihre eigene Festplatte auf und transkribiert auf Ihrem Rechner. Einmaliger Kauf, zum Ausprobieren gibt es eine kostenlose Stufe.
Autorec herunterladen