Elysia Tools
导航
Media
检测可能的语音频段活动，并将语音/非语音区间导出为 JSON、CSV、SRT 标记或 FFmpeg 剪切列表。
详情
这个确定性 VAD 分析窗口能量、语音频段能量和过零行为，以区分可能的语音活动和非语音。适用于时间线、剪辑准备和字幕对齐；它不识别词语、说话人或语言，也不能证明声音一定来自人声。可导出完整 JSON/CSV 时间线、SRT 活动标记和已检测活动区间的 FFmpeg 命令列表。
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
语音活动分割工具利用确定性语音活动检测（VAD）技术，通过分析音频的窗口能量、语音频段能量和过零行为，快速识别并提取音频中的语音与非语音区间。该工具支持调整灵敏度、最短语音和静音时长，并可将检测结果导出为 JSON、CSV、SRT 标记或 FFmpeg 剪切列表，帮助您高效完成音频剪辑准备和字幕对齐。
背景
录制了一期 1 小时的双人访谈播客，中间有大量的思考停顿和无声空白，需要快速清理。
问题
手动在音频软件中寻找并剪掉静音片段非常耗时。
如何使用
上传播客音频文件，将灵敏度设为“均衡”，最短语音设为 0.5 秒，最短静音设为 0.3 秒，导出格式选择“FFmpeg 剪切列表”。
{
"sensitivity": "balanced",
"minimumSpeechSeconds": 0.5,
"minimumSilenceSeconds": 0.3,
"exportFormat": "cut-list"
}结果
获得了一个 FFmpeg 剪切命令列表，运行后直接生成了切除所有静音区间的紧凑版音频。
背景
制作了一段教学视频，需要为其中的旁白配上字幕，但不想手动一个个去对齐时间轴。
问题
需要快速获取视频中有人说话的精确时间段，以便快速填入字幕文本。
如何使用
上传视频的音频轨，将灵敏度设为“灵敏”，最短语音设为 0.3 秒，最短静音设为 0.2 秒，导出格式选择“SRT 活动标记”。
{
"sensitivity": "sensitive",
"minimumSpeechSeconds": 0.3,
"minimumSilenceSeconds": 0.2,
"exportFormat": "srt"
}结果
导出了一个包含所有语音区间时间戳的 SRT 文件，导入字幕软件后只需直接输入文字即可完成打轴。
不能。该工具仅通过物理特征（如能量和过零率）检测是否存在语音活动，不具备语音识别（ASR）或说话人识别功能。
它会生成一组 FFmpeg 命令行参数，方便您直接在终端运行命令，快速裁剪出所有检测到语音的音频片段。
您可以将灵敏度设置为“保守”（conservative），并适当增加“最短语音”和“最短静音”的秒数，以减少噪音引起的误报。
支持常见的音频文件格式，您只需上传符合标准音频类型的音频文件即可。
导出的 SRT 文件包含语音活动的时间戳标记，但文本内容为空白，适用于在字幕编辑器中快速定位并手动输入文本。