WebRTC中很多语音技术,其中在处理静弱音场景时,会用到VAD、DTX、CNG三项语音技术。

VAD (Voice Activity Detection) 话音活动检测,一般可用于语音激励。

DTX (Discontinuous Transmission) 不连续传输,周期性发送数据包。

CNG (Comfort Noise Generator) 舒适噪音生成,

VAD、DTX、CNG三者主要应用在不活跃的语音周期中,降低传输速率,减少带宽占用,同时保持可接受的输出质量。

VAD将输入信号分类为活动语音、非活动语音和背景噪声。

基于VAD决策,DTX在静默期间插入静默插入描述符(SID)帧。

在静默期间,SID帧被周期性地发送到CNG模块,该模块在接收端的非活动语音期间产生环境噪声。提升用户体验,防止用户误认为通话已结束。