vad

MCANet: 基于多模态字幕感知的大语言模型训练无关视频异常检测ICPR’24 - 印度卡利卡特国立理工学院 MCANet: Multimodal Caption Aware Training-Free Video Anomaly Detection via Large Language Model

WhisperXWhisperX：具有字级时间戳的自动语音识别（和分类）该存储库提供快速语音识别（70倍实时与big-v2）与字级时间戳和说话人分类。

计算机视觉——基于深度学习检测监控视频发生异常事件的算法实现视频异常检测（VAD）是一门旨在自动化监控视频分析的技术，其核心目标是利用计算机视觉系统来监测监控摄像头的画面，并自动检测其中的异常或非常规活动。随着监控摄像头在各种场合的广泛应用，人工监视已经变得不切实际，因为这一任务既单调又耗时。此外，监控设备的快速增长使得用人工有效监视大量摄像头变得日益困难，因此迫切需要自动化的解决方案。

基于双级阈值及过零率的语音激活检测（VAD）语音激活检测（Voice Activity Detection, VAD）:也称为端点检测，目的就是要找到音频信号的开始和结束位置。