Python 使用WebRTC语音活动检测器（VAD）检测来自Websockets流化的VOIP的实时音频

我正在尝试为通过websocket传输的VOIP呼叫设置WebRTC语音活动检测器（VAD），以检测呼叫者何时停止通话

关于WebRTC VAD的大多数教程和问题都基于录制的音频文件，而不是实时流。我想知道如何在websocket上实现它，实时传输VOIP呼叫

根据py webrtcvad文档（）：

给它一小段音频（“帧”）。WebRTC VAD仅接受以8000、16000或32000 Hz采样的16位单声道PCM音频。帧的持续时间必须为10、20或30毫秒

---

如何将来自websocket的原始音频流转换为WebRTC VAD工作所需的上述要求？

要使用VAD，您需要正确的块大小。

---

您从websocket获得的原始音频的采样率、位深度和通道号是多少？来自websocket的块有多大？

- For example, if your sample rate is 16000 Hz, then the only allowed 
frame/chunk sizes are: 
    16000 * ({10,20,30} / 1000) = 160, 320 or 480 samples.
- Since each sample is 2 bytes (16 bits), the only allowed frame/chunk sizes are 
320, 640, or 960 bytes.