通話音声を無音/無音に分割する方法は？

私の問題は、バックグラウンドノイズのエネルギーがわからないことです。そのため、エネルギーをしきい値処理することはできません。処理はリアルタイムで行われ、500msec程度で判断します。理想的には、私は静かな子音が無音でないと考えたいです。

あなたが見ることができるパラメータの束があります：

1. 全体的なエネルギー
2. 短期スペクトル：音声はかなり独特の「ピンクのような」スペクトルを持ち、電気的に支配されている場合はノイズ（非音声部分で発生）は白になり、アコースティックバックグラウンドの場合は「赤」（低周波数が重い）になります。ノイズまたはマイクのノイズ
3. 振幅統計。ほとんどのノイズ信号にはガウス分布があり、音声はラプラス分布に近い

これら3つを組み合わせると、かなり堅牢な検出スキームが得られると思います。