Detecção de atividade de voz
Também: VAD
Atualizado em
Definição
Detecção de atividade de voz (VAD) é a técnica de detectar quando alguém está falando e quando há silêncio ou ruído de fundo. Ela permite que um software comece e pare de gravar sozinho.
Um modelo de VAD é pequeno e rápido, e roda sem parar sobre o fluxo de áudio sem transcrever nada: sua única função é responder sim ou não a “isto é fala?”. As ferramentas de ditado o usam nos modos mãos livres (começar quando a fala começa, parar numa pausa) e para cortar o silêncio antes de o reconhecedor rodar.
Uma implementação bem-feita só arma o microfone quando você pede e descarta o áudio que nunca virou um ditado.
Como funciona
A abordagem clássica é baseada em energia: se o sinal do microfone fica acima de um limite por tempo suficiente, é fala. Isso falha em qualquer ambiente com um ventilador, um teclado ou uma segunda pessoa. A VAD moderna é uma rede neural minúscula treinada para distinguir a fala humana de todo o resto, e ela roda em poucos milissegundos por trecho de áudio, barata o bastante para funcionar o tempo todo num notebook sem ninguém perceber.
O resultado é uma sequência de trechos de fala e de não fala. Uma ferramenta de ditado usa a primeira transição para iniciar o reconhecedor e um trecho de não fala longo o bastante para decidir que você terminou.
Por que isso importa para a privacidade
Um modo mãos livres significa que a ferramenta está ouvindo antes de você dizer qualquer coisa. O que separa uma implementação confiável de uma invasiva é o que acontece com o áudio que acaba não sendo fala, ou com a fala que nunca vira um ditado. A resposta certa é que ele nunca é guardado, nunca é enviado a lugar nenhum e desaparece assim que o detector diz não. Uma ferramenta que roda a VAD no dispositivo pode fazer essa promessa; uma que transmite o áudio para um servidor para decidir se você está falando não pode.
Onde a VAD deixa a desejar
Detectar uma pausa não é o mesmo que detectar o fim de uma ideia. As pessoas fazem pausas no meio da frase para pensar, e uma parada comandada pela VAD vai cortá-las; aumente a pausa e a ferramenta parece lenta. Por isso os modos mãos livres combinam com um ditado contínuo e fluente, o push-to-talk combina com todo o resto, e uma boa ferramenta oferece os dois.
Como ver a detecção de silêncio funcionando no seu Mac
Você não precisa de nenhum software especial para ver um detector de fala tomar uma decisão. O Ditado da Apple para automaticamente quando nenhuma fala é detectada por 30 segundos, e você mesmo pode acionar essa regra.
- Escolha menu Apple → Ajustes do Sistema, clique em Teclado, vá até Ditado e ative-o.
- Clique em uma nota ou documento vazio.
- Pressione o atalho do Ditado e diga uma frase.
- Pare de falar e não mexa no Mac.
- Veja o ditado terminar sem você pressionar nenhuma tecla depois de 30 segundos sem fala.
- Repita o teste com música ou um ventilador ligado por perto para ver se o som de fundo muda o resultado na sua configuração.
Por que o ditado mãos livres me corta ou perde minha primeira palavra?
Um detector de fala só consegue julgar o sinal que recebe. Se o microfone errado estiver selecionado, ou se a entrada estiver muito baixa, sua voz e o ambiente começam a se parecer, e as decisões de início e fim pioram. Antes de culpar a ferramenta, verifique o que o Mac está realmente ouvindo.
- Em Ajustes do Sistema → Som, clique em Entrada e selecione o microfone em que você está realmente falando.
- Na mesma tela, arraste o controle de volume de entrada para cima se sua voz estiver baixa demais, ou para baixo se estiver alta demais.
- Para o Ditado da Apple, confira Fonte do microfone em Ajustes do Sistema → Teclado → Ditado. Automático deixa o Mac escolher o dispositivo que você provavelmente vai usar.
- Chegue mais perto do microfone ou use um headset, para que sua voz fique bem mais alta que o ambiente.
- Se você pausa para pensar no meio das frases, use uma tecla mantida pressionada ou o modo liga/desliga nesses trechos, em vez de um modo mãos livres.
Como verificar se o seu microfone está aberto
Qualquer ferramenta que espera pela fala precisa manter o microfone aberto enquanto espera. O macOS mostra quando isso está acontecendo e deixa você decidir quais apps podem fazer isso.
- Abra a Central de Controle e procure o indicador de gravação. Ele aparece quando o microfone está em uso ou foi usado recentemente.
- Escolha menu Apple → Ajustes do Sistema e clique em Privacidade e Segurança na barra lateral.
- Clique em Microfone.
- Leia a lista de apps que pediram acesso ao microfone.
- Desative o acesso de qualquer app que não deveria estar ouvindo.
Perguntas que as pessoas fazem.
O que a VAD faz num app de ditado?
Ela decide se o microfone está captando fala. Num modo mãos livres, ela inicia o reconhecimento quando você começa a falar e para quando você faz uma pausa, então você nunca toca numa tecla.
Um modo mãos livres fica sempre ouvindo?
Só depois que você o arma, numa ferramenta bem projetada. Mesmo assim, o detector está decidindo “fala ou não” em vez de transcrever, e o áudio que nunca vira um ditado deveria ser descartado na hora. Pergunte onde essa decisão é tomada; a resposta que você quer é no dispositivo.
O que significa VAD?
VAD é a sigla de voice activity detection (detecção de atividade de voz). É a parte de uma ferramenta de voz que decide se o som que chega é fala ou não, sem descobrir quais são as palavras.
Quanto tempo o ditado do Mac espera antes de parar de ouvir?
O Ditado da Apple para automaticamente quando nenhuma fala é detectada por 30 segundos. Você pode encerrá-lo antes pressionando o atalho do Ditado de novo ou pressionando Esc.
Como sei se um app está usando meu microfone no Mac?
Abra a Central de Controle e procure o indicador de gravação, que aparece quando o microfone está em uso ou foi usado recentemente. Para ver quais apps têm permissão para usá-lo, vá em Ajustes do Sistema → Privacidade e Segurança → Microfone.
