10.5K ·GitHub
这是什么东西？
Silero VAD 是一个预训练的、达到企业级水准的语音活动检测（VAD）模型：一个紧凑的小模型，能告诉你音频流里哪些片段包含人说话的声音。
Silero VAD 是一个预训练的、达到企业级水准的语音活动检测（VAD）模型：一个紧凑的小模型，能告诉你音频流里哪些片段包含人说话的声音。它是一个能直接运行的应用，还是一个需要我自己接入代码的模型？它是一个带 Python 封装的模型，不是面向最终用户的应用——没有图形界面。你需要在自己的代码里调用它，把音频片段喂进去，它会返回这段音频里有没有人说话的判断。
它是一个带 Python 封装的模型，不是面向最终用户的应用——没有图形界面。你需要在自己的代码里调用它，把音频片段喂进去，它会返回这段音频里有没有人说话的判断。我怎么把它装到我的项目里？用 'pip install silero-vad' 安装 Python 包，或者通过 torch.hub 加载模型，然后对你的音频运行它即可。
用 'pip install silero-vad' 安装 Python 包，或者通过 torch.hub 加载模型，然后对你的音频运行它即可。它还需要同时安装哪些东西？需要 Python 3.8+，以及 torch>=1.12.0 和 torchaudio>=0.12.0 用于音频输入输出（还需要像 FFmpeg 这样的后端）；只有在使用 ONNX 模型时才需要额外安装 onnxruntime>=1.16.1。
需要 Python 3.8+，以及 torch>=1.12.0 和 torchaudio>=0.12.0 用于音频输入输出（还需要像 FFmpeg 这样的后端）；只有在使用 ONNX 模型时才需要额外安装 onnxruntime>=1.16.1。它在任何机器上都能跑吗，还是对硬件有要求？在 x86-64 上，它需要支持 AVX、AVX2、AVX-512 或 AMX 指令集的新式 CPU，外加 1 GB 以上的内存——不带 AVX 的非常老的 CPU 是跑不了的。
在 x86-64 上，它需要支持 AVX、AVX2、AVX-512 或 AMX 指令集的新式 CPU，外加 1 GB 以上的内存——不带 AVX 的非常老的 CPU 是跑不了的。大家一般用它来做什么？常见用途包括：IoT/边缘设备/移动端的语音活动检测、数据清洗和通用语音检测、电话和呼叫中心自动化、语音机器人和语音交互界面。
常见用途包括：IoT/边缘设备/移动端的语音活动检测、数据清洗和通用语音检测、电话和呼叫中心自动化、语音机器人和语音交互界面。能在 Python 之外用吗，比如从 C++、Rust 调用，或者在浏览器里用？可以——除了 Python，它还提供 ONNX 版本，社区里有 C++、Rust、Go、Java 和 C# 的示例，也可以通过 ONNX Runtime Web 在浏览器里使用。凡是 PyTorch 或 ONNX 运行时能跑的地方，它都能跑。
可以——除了 Python，它还提供 ONNX 版本，社区里有 C++、Rust、Go、Java 和 C# 的示例，也可以通过 ONNX Runtime Web 在浏览器里使用。凡是 PyTorch 或 ONNX 运行时能跑的地方，它都能跑。如果把它做进产品里发布，许可协议上有什么坑吗？没有——它采用 MIT 许可证，完全没有附加条件：没有遥测、不需要密钥、不用注册、没有内置有效期、也不存在厂商锁定。
没有——它采用 MIT 许可证，完全没有附加条件：没有遥测、不需要密钥、不用注册、没有内置有效期、也不存在厂商锁定。模型本身有多大？非常小——JIT 模型大约只有两兆字节，这也是它能用在边缘设备和移动端的原因之一。
非常小——JIT 模型大约只有两兆字节，这也是它能用在边缘设备和移动端的原因之一。它支持哪些采样率？两种：8000 Hz 和 16000 Hz，所以音频必须先重采样到其中一种采样率，才能进行检测。
两种：8000 Hz 和 16000 Hz，所以音频必须先重采样到其中一种采样率，才能进行检测。它能把我说的内容转成文字吗？不能，它只检测有没有人说话，不识别具体内容。要转写文字的话，你需要另外搭配一个 STT（语音转文字）模型——同一个团队也发布了这类模型。
不能，它只检测有没有人说话，不识别具体内容。要转写文字的话，你需要另外搭配一个 STT（语音转文字）模型——同一个团队也发布了这类模型。What are similar projects?pyannote-audio, speechbrain, supertonic, mediapipe, DeepSpeech, FunASR, faster-whisper, MOSS-TTS-Nano
pyannote-audio, speechbrain, supertonic, mediapipe, DeepSpeech, FunASR, faster-whisper, MOSS-TTS-NanoWhich topics is it in?onnxruntime, voice-activity-detection, voice-recognition, speech, on-device-ai, edge-ai, audio-processing, onnx, speech-recognition, iot, real-time, audio
onnxruntime, voice-activity-detection, voice-recognition, speech, on-device-ai, edge-ai, audio-processing, onnx, speech-recognition, iot, real-time, audio