用 Silero VAD 实现浏览器本地智能剪辑:自动去除视频长停顿,保持音画同步
录制一段课程讲解或口播视频,可能只需要十分钟,但后期整理往往更费时间。重说之前的等待、翻页时的空白、两句话之间过长的停顿,都需要逐段寻找和裁切。我在开源视频编辑器 Timeline Studio 中实现了一个“去除停顿”功能:使用浏览器本地运行的 Silero VAD 检测人声,生成可预览的裁切建议,再同步精简视频画面和原声。这篇文章从工程实现角度,介绍如何把一个轻量语音模型变成真正可用的剪辑功能。一、为什么选择 VAD,而不是语音识别?去除长停顿首先要回答的问题是:“这段时间有没有人在说话?”它并不要求知道说话内容,因此不必先运行完整的语音识别流程。VAD,即语音活动检测,可以输出音频片段中...