silero vad onnx

提供商istupakov
分类voice-activity-detection
许可证mit
下载量5.0K
星标0

简介

Silero VAD 是一款极其轻量且高效的语音活动检测（VAD）模型，专门用于从音频流中精准剔除静音，识别出有人说话的片段。它采用 ONNX 格式导出，这意味着开发者无需安装沉重的深度学习框架，即可在 Python、C++ 或 Java 等多种环境下实现毫秒级推理。相比于传统的基于能量阈值的 VAD，它对背景噪音的鲁棒性更强，非常适合作为语音识别（ASR）流水线的前置环节，用来触发录音或降低后端模型的计算压力，上手难度极低，部署极其灵活。

核心亮点

  • ONNX 格式支持，无需深度学习框架即可部署
  • 极低资源占用，支持实时音频流毫秒级检测
  • 抗噪能力强，精准区分人声与环境背景音
  • ASR 理想前置插件，有效降低语音识别计算量

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("istupakov/silero-vad-onnx")
tokenizer = AutoTokenizer.from_pretrained("istupakov/silero-vad-onnx")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download istupakov/silero-vad-onnx

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download istupakov/silero-vad-onnx config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('istupakov/silero-vad-onnx')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/istupakov/silero-vad-onnx

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/istupakov/silero-vad-onnx

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('istupakov/silero-vad-onnx')
tokenizer = AutoTokenizer.from_pretrained('istupakov/silero-vad-onnx')

完整文档

来源: HuggingFace

---
license: mit
pipeline_tag: voice-activity-detection
tags:
- voice-activity-detection
- vad
- onnx
- onnx-asr
---
Silero VAD model (version 6.2) in ONNX format for onnx-asr.

Install onnx-asr

shell
pip install onnx-asr[cpu,hub]

Load Parakeet v3 ASR with Silero VAD and recognize wav file

py
import onnx_asr
vad = onnx_asr.load_vad("silero")
model = onnx_asr.load_model("nemo-parakeet-tdt-0.6b-v3").with_vad(vad)
for res in model.recognize("test.wav"):
    print(res)

查看官方来源