Name: Silero VAD v5 CoreML
Author: aufklarer

简介

Silero VAD v5 CoreML 是一个针对苹果生态优化的语音活动检测（VAD）模型。它能够精准地在音频流中实时区分“人声”与“静音/噪声”，且由于采用了 CoreML 框架，在 iOS 和 macOS 设备上能充分利用 NPU 加速，极大地降低了 CPU 占用和电量消耗。对于开发者而言，它不是一个完整的语音识别系统，而是一个高效的“前置开关”：在将音频发送给 Whisper 等大模型之前，先用它过滤掉无意义的静音片段，从而显著提升端到端响应速度并节省算力成本。

核心亮点

CoreML 深度优化，适配苹果设备硬件加速
极低延迟的实时人声检测，过滤背景噪声
理想的语音识别前置插件，降低推理成本
轻量化部署，无需依赖复杂的大型深度学习框架

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("aufklarer/Silero-VAD-v5-CoreML")
tokenizer = AutoTokenizer.from_pretrained("aufklarer/Silero-VAD-v5-CoreML")

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

huggingface-cli download aufklarer/Silero-VAD-v5-CoreML

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 aufklarer/Silero-VAD-v5-CoreML config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('aufklarer/Silero-VAD-v5-CoreML')

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/aufklarer/Silero-VAD-v5-CoreML

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/aufklarer/Silero-VAD-v5-CoreML

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

pip install -U transformers torch

模型加载和推理

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('aufklarer/Silero-VAD-v5-CoreML')
tokenizer = AutoTokenizer.from_pretrained('aufklarer/Silero-VAD-v5-CoreML')

模型下载

我们推荐使用命令行或者 ModelScope 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 ModelScope：

操作指引

pip install modelscope

命令行下载

下载完整模型库

modelscope download --model aufklarer/Silero-VAD-v5-CoreML

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

modelscope download --model aufklarer/Silero-VAD-v5-CoreML README.md --local_dir ./dir

更多更丰富的命令行下载选项，可参见具体文档

SDK 下载

# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('aufklarer/Silero-VAD-v5-CoreML')

Git 下载

请确保 lfs 已经被正确安装

Git 下载

git lfs install
git clone https://www.modelscope.cn/aufklarer/Silero-VAD-v5-CoreML.git

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://www.modelscope.cn/aufklarer/Silero-VAD-v5-CoreML.git

ModelScope 模型页直接下载模型文件；无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'aufklarer/Silero-VAD-v5-CoreML')

完整文档

来源: HuggingFace

---
license: mit
tags:

coreml

voice-activity-detection

silero

vad

neural-engine

base_model: snakers4/silero-vad
pipeline_tag: voice-activity-detection
---

Silero-VAD-v5 — CoreML

CoreML conversion of Silero VAD v5 for Apple Neural Engine.

Model Details

| Detail | Value |
|--------|-------|
| Architecture | STFT → Conv1d encoder → LSTM → decoder |
| Parameters | ~309K |
| Input | 512 samples (32ms @ 16kHz) |
| Output | Speech probability (0.0–1.0) |
| Size | ~4.2 MB |

Usage

swift

let vad = try await SileroVADModel.fromPretrained(backend: .coreML)
let prob = vad.processChunk(samples)

Variants

| Variant | Backend | Model ID |
|---------|---------|----------|
| MLX | GPU | aufklarer/Silero-VAD-v5-MLX |
| CoreML | Neural Engine | aufklarer/Silero-VAD-v5-CoreML |