项目描述

• DAMO/FSMN VAD C++ onnx 推理实现
• 通过RestFul接口获取音频文件vad信息
• 支持16k 16bit mono PCM格式wav推理

编译安装

mkdir build && cd build
cmake .. && cmake --build .

启动方法

server启动

./vad_server \
     --vad_model ../model/model.onnx \
     --vad_sample_rate 16000 \
     --vad_silence_duration 800 \
     --vad_max_single_segment_time 15000 \
     --vad_speech_noise_thres 0.9 \
     --port 8080

client测试

./vad_client \
     --server  "http://127.0.0.1:8080" \
     --wav_file xx.wav

接口名称

返回音频的VAD信息

请求URL

POST /

请求头

参数名	类型	必选	描述
filename	string	是	发送的wave音频名称

请求体

请求体需要发送一个二进制的wave音频文件。

响应体

参数名	类型	描述
filename	string	音频文件名
vad_segments	array	音频文件的VAD信息，每个元素由bg和ed两个int类型字段表示开始和结束时间（毫秒）

返回示例

{
  "filename": "test.wav",
  "vad_segments": [
    {
      "bg": 0,
      "ed": 2500
    },
    {
      "bg": 3000,
      "ed": 5700
    }
  ]
}

错误码

错误码	错误描述
500	服务器内部错误