snakers4/silero-vad

解决的问题

Silero VAD 是一款预训练的、企业级的语音活动检测器 (VAD)，旨在准确识别音频流中是否存在语音，并过滤背景噪声和非语音声音。

工作原理

它使用一个轻量级的预训练模型（大小约为 2MB），可以通过 PyTorch 或 ONNX Runtime 运行。该模型是在涵盖 6,000 多种语言的大规模数据集上训练的，使其能够在不同的领域和噪声水平下表现出色。它支持 8,000 Hz 和 16,000 Hz 的采样率。

适用对象

构建语音界面、IoT/边缘/移动应用、电话自动化、呼叫中心机器人以及进行音频数据集数据清洗的开发人员。

亮点

• 高性能：在单个 CPU 线程上处理音频块 (30+ ms) 的时间不到 1ms。
• 广泛的语言支持：在 6,000 多种语言上进行了训练，具有极高的鲁棒性。
• 高度可移植：兼容 PyTorch 和 ONNX，支持在 C++、Rust、Go、Java 和 C# 等各种平台上部署。
• 轻量级：极小的模型尺寸 (~2MB) 使其成为边缘设备的理想选择。
• 宽松的许可证：采用 MIT 许可证，无遥测功能，无供应商锁定。