語音端點檢測是對輸入的音頻流進行分析，確定客戶說話的起點和終止點的處理過程。一旦檢測到客戶開始說話，語音開始流向識別引擎，直到檢測到客戶說話結(jié)束。這種方式能夠使得識別引擎在客戶說話的同時開始進行識別處理，做到最大限度的即時處理。

　　1.基于語音信號的特征，用能量，過零率，熵(entropy)，音高(pitch)等參數(shù)以及它們的衍生參數(shù)，來判斷信號流中的語音/非語音信號。

　　2.在信號流中檢測到語音信號后，判斷此處是否是語句的開始或結(jié)束點。在商用語音系統(tǒng)中，由于信號的多變的背景和自然對話模式而更容易使得句中有停頓(非語音)，特別是在爆發(fā)聲母前總會有無聲間隙。因此，這種開始/結(jié)束的判定尤為重要。

　　1.減少識別器的數(shù)據(jù)處理量。可以大量減少信號傳輸量及識別器的運算負載，對于語音對話的實時識別有重要作用。

　　2.拒絕非語音的信號。對非語音信號的識別不僅是一種資源浪費，而且有可能改變對話的狀態(tài)，造成對用戶的困擾。

　　3.在需要打斷(barge-in)功能的系統(tǒng)中，語音的起始點是必須的。在端點檢測找到語音的起始點時，系統(tǒng)將停止提示音的播放。完成打斷功能。

　　隨著語音識別應(yīng)用的發(fā)展，越來越多的系統(tǒng)將打斷功能作為一種方便有效的應(yīng)用模式。而打斷功能又直接依賴端點檢測。端點檢測對打斷功能的影響發(fā)生在判斷語音/非語音的過程出現(xiàn)錯誤時。表現(xiàn)在過于敏感的端點檢測產(chǎn)生的語音信號的誤警將產(chǎn)生錯誤的打斷。例如，提示音被很強的背景噪音或其它人的講話打斷，是因為端點檢測錯誤的將這些信號作為有效語音信號造成的。反之，如果端點檢測漏過了事實上的語音部分，而沒有檢測到語音。系統(tǒng)會表現(xiàn)出沒有反應(yīng)，在用戶講話時還在播放提示音。端點檢測對識別系統(tǒng)的識別效果影響也很大。語音信號的起始點和結(jié)束點判斷有誤，有可能影響整個信號的完整性，在語句的開頭或結(jié)尾漏掉一些有用的數(shù)據(jù)。當這種情況發(fā)生時，很可能對識別的準確度有特別大影響。不完全的信息會使識別率降低。

　　1.端點檢測的精確度高。

　　2.更好的背景噪聲和語音模型：使系統(tǒng)對背景噪聲，其它說話人和非語音的聲音有很好的拒絕功能。

　　3.默認的系統(tǒng)相關(guān)參數(shù)有很好的適用性，而在有需要的現(xiàn)實環(huán)境中，可以通過系統(tǒng)調(diào)節(jié)來適應(yīng)通話環(huán)境，改善端點檢測的效果。

　　4.對信道有自適應(yīng)能力：在對話開始后能很快適應(yīng)當前的信道特征，使得端點檢測的準確度有進一步提高。

　　5.獨特的識別服務(wù)器的反饋和非語音持續(xù)時間雙重結(jié)束點判定功能，有效的改善了語音結(jié)束點的判定。特別是對較長的語句效果更加突出。

　　基于可靠的端點檢測技術(shù)和智能反饋，智能打斷功能不僅應(yīng)該在一般的環(huán)境下工作出色，而且能有效的拒絕環(huán)境噪聲，非語音的高強噪聲(呼吸，關(guān)門等)環(huán)境中其它人的聲音。
http://www.ounistar.com/