核心概念
语音活动检测
把音频帧或片段判断为语音或非语音，以分段或触发后续处理的任务。
VAD speech activity detection 语音检测
简明解释
语音活动检测：VAD常作为识别、通话和录音管线前端。能量阈值或学习模型都可能把音乐、电视当语音，或漏掉轻声和远场语音。[1]
适用边界
VAD应报告帧或片段定义、阈值、漏检与误报，并覆盖轻声、噪声、音乐、远场及重叠说话；端点规则要另行说明。参见第15章。
本页参考来源
- Jurafsky D, Martin J H. Speech and Language Processing [M]. Stanford University, 2026. 定位：Speech signal, ASR and TTS chapters. 稳定来源（访问 ）。