1、VAD 语音端点检测（funasr）
Voice Activity Detection 语音活性检测（VAD）也被称为语音端点检测，基本原理是判断一个区间内的音频（区间被称为一个“语音帧”），是有效语音，还是无效语音。通过连续的检测多帧，就能判断出语音的“开头”（从无效到有效）和“结尾”（从有效到无效），完成语音的切割。VAD的准确性和语音信噪比正相关，安静的环境准确性更高，也是为何需要麦阵降噪处理后的信号再做VAD。
参考：
https://modelscope.cn/models/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch/summary
https://zhuanlan.zhihu.com/p/111516373
输出的是时间戳毫秒，一段一段，例如：
from funasr import AutoModel
chunk_size = 200 # ms
model =
