VAD监测（一）

麦克风的采样率是16000，代表一秒钟采集16000个数据点

我们每次拿1024个采样点作为一个buffer，buffer是一个b''类型，也就是字节类型。 这一个buffer的长度不一定是1024，取决于每个采样点的采样点的位深度，如果音频数据是 16 位（2 字节）的采样，那么 buffer 将包含 1024 个采样点，每个采样点占用 2 个字节，因此 buffer 的总长度将是 2048 字节，如果是双声道的话，那就要再翻上一杯。 

一个采样点占用两个字节，那在计算机内存中是如何存储的呢？

一般使用大端方法或者小端方法进行存储。

两个字节的排列顺序取决于系统的字节顺序。在“大端（Big-Endian）”系统中，高位字节（更有意义的部分）存储在低地址处，而在“小端（Little-Endian）”系统中，高位字节存储在高地址处。例如，16位采样值0x1234在大端系统中存储为0x12 0x34，而在小端系统中存储为0x34 0x12。

举个例子，假设你有两个16位采样值，0x1234和0x5678。在小端系统中，它们可能在内存中这样排列（假设从地址0x00开始）：

对于十六进制数0x1234：

• 高位字节（Most Significant Byte，MSB）是0x12。
• 低位字节（Least Significant Byte，LSB）是0x34。

地址   内容
0x00（低地址处）  0x34（低位字节）
0x01（高地址处）  0x12（高位字节）
0x02   0x78
0x03   0x56
 

高位字节比低位字节保留的信息更多，所以我们需要保留高位字节。

那就需要判断是用大端方法还是小端方案呢？如果是小端方案，那我们就保留高地址处的高位字节，也就是保留奇数下标。 如果是大端方案，我们需要保留低地址处的高位字节，那就保留偶数下标。 

如何判断是用大端方法还是小端方案呢？

既然一个采样点占用两个字节，然后依次向后排列。 我们判断一下偶数下标的字节和奇数下标的字节那个分布的更均匀。 

Counter之后发现奇数下标分布的比较离散，说明奇数下标是高位，那我们就保留奇数下标，同时说明这是大端方法存储。