evgeny
a97e8bcc1f
Refresh both AGENTS guides and clarify module purpose, usage, ownership, threading, return values and wire formats in headers. Remove the unused timeout_heap freed_count field and unimplemented getter.
78 lines
3.9 KiB
C
78 lines
3.9 KiB
C
/**
|
|
* Silero VAD (Voice Activity Detector) — C-обёртка над ONNX Runtime.
|
|
*
|
|
* Запускает официальную стриминговую модель silero_vad.onnx (v5, ~2.3 МБ),
|
|
* которая по окну аудио возвращает вероятность наличия речи [0..1].
|
|
* Рекуррентное состояние модели хранится внутри объекта и переносится между
|
|
* вызовами. Обёртка также хранит 64 последних отсчёта аудио и добавляет их
|
|
* перед новым окном: ONNX получает 576 отсчётов, публичный API принимает 512.
|
|
*
|
|
* Требования к входному аудио:
|
|
* - частота дискретизации 16 кГц (модель поддерживает только 16k);
|
|
* - моно;
|
|
* - окно ровно SILERO_VAD_WINDOW_SAMPLES = 512 сэмплов (32 мс);
|
|
* - float-сэмплы в диапазоне примерно [-1;1] (для int16 есть
|
|
* silero_vad_process_pcm16, который сам делит на 32768).
|
|
*
|
|
* Порог и гистерезис (задержки начала/конца речи) намеренно оставлены
|
|
* вызывающему — радио/звонок сами решают, как интерпретировать вероятность.
|
|
*
|
|
* Зависимость: libonnxruntime (C API). Сборка включается опцией
|
|
* `--with-silero-vad` (см. configure.ac) или макросом HAVE_SILERO_VAD в
|
|
* CMake-сборках. Без HAVE_SILERO_VAD модуль компилируется в пустые стабы
|
|
* (все create-функции возвращают NULL, process — ошибку), чтобы исходники lib/
|
|
* можно было GLOB-ить во всех сборках (Android/chatgui) без onnxruntime.
|
|
*
|
|
* Лицензия модели: MIT (Silero Team, https://github.com/snakers4/silero-vad).
|
|
*/
|
|
#ifndef SILERO_VAD_H
|
|
#define SILERO_VAD_H
|
|
|
|
#include <stdint.h>
|
|
|
|
#ifdef __cplusplus
|
|
extern "C" {
|
|
#endif
|
|
|
|
/* Фиксированное окно стриминговой модели: 512 сэмплов @ 16 кГц = 32 мс */
|
|
#define SILERO_VAD_WINDOW_SAMPLES 512
|
|
#define SILERO_VAD_SAMPLE_RATE 16000
|
|
|
|
typedef struct silero_vad silero_vad_t;
|
|
|
|
/**
|
|
* Создать детектор, загрузив ONNX-модель из файла model_path.
|
|
* Возвращает NULL при ошибке (подробности — в лог категории "vad").
|
|
*/
|
|
silero_vad_t* silero_vad_create(const char* model_path);
|
|
|
|
/**
|
|
* Создать детектор из модели, вшитой в бинарник (silero_vad_model_data в
|
|
* silero_vad.c). Не требует файла на диске. NULL при ошибке.
|
|
*/
|
|
silero_vad_t* silero_vad_create_default(void);
|
|
|
|
/* Освободить детектор. NULL безопасен. */
|
|
void silero_vad_destroy(silero_vad_t* vad);
|
|
|
|
/* Сбросить рекуррентное состояние и звуковой контекст (начало нового потока / разрыв захвата). */
|
|
void silero_vad_reset(silero_vad_t* vad);
|
|
|
|
/**
|
|
* Обработать окно из 512 float-сэмплов @ 16 кГц (примерно [-1;1]).
|
|
* При успехе возвращает 0 и заполняет *prob вероятностью речи [0..1];
|
|
* при ошибке — отрицательное значение (проб не трогается).
|
|
*/
|
|
int silero_vad_process(silero_vad_t* vad, const float* samples, float* prob);
|
|
|
|
/**
|
|
* То же, но вход — int16 PCM: сэмплы преобразуются к float делением на 32768.
|
|
*/
|
|
int silero_vad_process_pcm16(silero_vad_t* vad, const int16_t* pcm, float* prob);
|
|
|
|
#ifdef __cplusplus
|
|
}
|
|
#endif
|
|
|
|
#endif /* SILERO_VAD_H */
|