跳到主要内容

音频检测器

提示

本文使用DeepSeek AI进行翻译，仅做参考。

Frigate内置了音频检测功能，该功能运行在CPU上。相比图像对象检测，音频检测的计算量要小得多，因此完全可以在CPU上高效运行。

配置​

音频事件通过检测特定类型的音频并创建事件来工作，当该类型音频在配置的时间内未被检测到时，事件将结束。音频事件会在事件开始时保存快照，并在整个事件过程中保存录音。录音使用配置的录制保留设置进行保留。

启用音频事件​

可以为所有摄像头或仅特定摄像头启用音频事件。

audio: # <- 为所有摄像头启用音频事件
  enabled: True

cameras:
  front_camera:
    ffmpeg:
    ...
    audio:
      enabled: True # <- 为front_camera启用音频事件

如果使用多个流，则必须在用于音频检测的流上设置audio角色，这可以是任何流，但该流必须包含音频。

备注

用于捕获音频的ffmpeg进程将与分配给摄像头的其他角色一起建立到摄像头的单独连接，因此建议使用go2rtc重新流式传输来实现此目的。更多信息请参阅重新流式传输文档。

cameras:
  front_camera:
    ffmpeg:
      inputs:
        - path: rtsp://.../main_stream
          roles:
            - record
        - path: rtsp://.../sub_stream # <- 此流必须启用音频
          roles:
            - audio
            - detect

配置最小音量​

音频检测器使用音量级别的方式与摄像头画面中的运动用于对象检测的方式相同。这意味着除非音频音量高于配置的水平，否则Frigate不会运行音频检测以减少资源使用。不同摄像头型号的音量水平可能有很大差异，因此进行测试以了解音量水平非常重要。可以使用MQTT浏览器查看音频主题以了解检测到的音量水平。

提示

音量被视为录制的运动，这意味着当record -> retain -> mode设置为motion时，任何音频音量> min_volume的时刻，该摄像头的录制片段都将被保留。

配置音频事件​

内置音频模型可以检测500多种不同类型的音频，其中许多并不实用。默认情况下启用bark(狗叫)、fire_alarm(火警)、scream(尖叫)、speech(说话)和yell(喊叫)，但这些可以自定义。

audio:
  enabled: True
  listen:
    - bark
    - fire_alarm
    - scream
    - speech
    - yell