Silero VAD：语音识别的门卫输入：音频输出：人声概率（0~1）功能：过滤静音、提升识别速度与准确率结构：STFT → CNN → LSTM → 概率输出人人皆为创造者，共创方能共成长每个人都是使用者，也是创造者；是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，

这是CMVN 归一化需要用到的固定参数CMVN_MEANS：均值CMVN_VARS：方差（倒数）让音频特征变得 “标准、统一、稳定”，模型识别更准80 维7 帧合成 1 帧80 × 7 =560 维所以。

这是语音识别的 “声音加工流水线”输入：声音输出：模型能识别的数字特征必不可少的第一步复杂度：信号处理里最经典的流程人人皆为创造者，共创方能共成长每个人都是使用者，也是创造者；是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，实现平台与伙伴的快速成长、共赢致远。原创永久

送给后面的解码器输出文字。

我们坚信，每一份原创智慧都值得被尊重与回馈，以永久分成锚定共创初心，让创意者长期享有价值红利，携手万千伙伴向着科技星辰大海笃定前行，拥抱硅基生命与数字智能交融的未来，共筑跨越时代的数字文明共同体。是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，实现平台与伙伴的快速成长

我们坚信，每一份原创智慧都值得被尊重与回馈，以永久分成锚定共创初心，让创意者长期享有价值红利，携手万千伙伴向着科技星辰大海笃定前行，拥抱硅基生命与数字智能交融的未来，共筑跨越时代的数字文明共同体。是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，实现平台与伙伴的快速成长

引入依赖库、工具函数、语音模型、VAD 模块定义音频分块大小、VAD 状态尺寸等固定参数。

加载 GGUF 格式的 SenseVoice 模型 → 初始化计算后端（CPU/GPU）→ 把音频转成模型能识别的特征 → 编码 + 解码输出文字 → 支持单条 / 批量识别。每个人都是使用者，也是创造者；是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，实现平台与伙伴

（UTF-8）每个人都是使用者，也是创造者；是数字世界的消费者，更是价值的生产者与分享者。在智能时代的浪潮里，单打独斗的发展模式早已落幕，唯有开放连接、创意共创、利益共享，才能让个体价值汇聚成生态合力，让技术与创意双向奔赴，实现平台与伙伴的快速成长、共赢致远。原创创意共创、永久收益分成，是东方仙盟始终坚守的核心理念。我们坚信，每一份原创智慧都值得被尊重与回馈，以永久分成锚定共创初心，让创意者长期享

plaintext-prefix, --use-prefix [false ] use itn 意思ITN =数字 / 符号标准化作用：把语音识别的口语转成书面语比如：识别出 “一百二十三” → 自动转成123“百分之五十” →50%前缀提示功能意思：给识别加固定开头文字作用：比如你知道音频开头一定是 “大家好”，加上这个能提高识别准确率。