语音通话中talkspurt的介绍

A Statistical Analysis of On-Off Patterns in 16 Conversations

文章引用

Brady, P. T. (1968). A Statistical Analysis of On-Off Patterns in 16 Conversations. The Bell System Technical Journal, 47, 73–91.

文章主要介绍了talkspurt的定义，以及对一些电话数据的检测得到的talkspurt、pause等的统计信息。

概念介绍

Talkspurt的定义

• 首先进行音频活动检测（Voice Activity Detect），设置一定的阈值，如果在5ms内音频穿越一次阈值，则认为该5ms内存在音频活动；
• 如果连续活动的时间不超过15ms，则认为是噪声，忽略；
• 执行200ms的Fill-in操作

Pause的定义

• talkspurt的间隔即为pause。

Hangover 

• 将talkspurt向后延长一个固定的时间。如下图所示，最初的音频经过hangover后，由3个talkspurt变为2个talkspurt，其中第一个和第二个talkspurt被合并为一个talkspurt

Fill-in  

• 将时间差小于某一阈值的talkspurt合并为同一个talkspurt。示例参见下图。

（The technique of obtaining on-off speech patterns, although already documented,' is summarized as follows. A flip-flop is set any time speech (full-wave rectified and unfiltered) from speaker A crosses a threshold. This flip-flop is examined and cleared every 5 milliseconds,with the output being a 1 if the threshold was crossed, 0 otherwise. The resulting string of Is (spurts) and Os (gaps) is examined for short spurts; all spurts ^15 msec* are erased. After this is done, all gaps less than 200 msec are filled in to account for momentary interruptions, such as those due to stop consonants. The resulting on-off pattern consists, by definition used here, of talkspurts and pauses. An identical procedure is used for speaker B.）

Hangover和Fill-in对talkspurt的影响

Hangover 和  Fill-in 操作主要目的是减小talkspurt出现的频率，同时，在VoIP中对相对较长的pause进行压缩或者延长，对通话质量的影响更小；但是hangover的存在可能会大幅增加音频的活动时间。而Fill-in操作要在两个相邻talkspurt均出现的情况下才能确定，因而并不适用于实时系统，但是和hangover相比，更适合应用在非实时场景（monolog）。

Hangover和Fill-in对talkspurt的影响参见下图

talkspurt、pause等的一些参数统计

talkspurt的分布

pause的分布

参考文献

Brady, P. T. (1968). A Statistical Analysis of On-Off Patterns in 16 Conversations. The Bell System Technical Journal, 47, 73–91.

Gruber, J. G. (1982). A comparison of measured and calculated speech temporal parameters relevant to speech activity detection.IEEE Transactions on Communications,COM-30(4), 728–38. http://doi.org/10.1109/TCOM.1982.1095514