AI 模型广场

Namo Turn Detector v1 是一款专门针对韩语优化的语音端点检测（VAD）模型。对于开发实时语音交互、AI 助手或会议系统的开发者来说，它解决了对话中最棘手的“抢话”或“响应延迟”问题，能精准识别韩语说话者的停顿与结束点。该...

Silero VAD CoreML 是专为苹果生态优化的语音活动检测模型。它能高效地从音频流中实时分辨“有人在说话”还是“环境静默”，且由于采用了 CoreML 加速，在 iOS 和 macOS 设备上运行功耗极低，响应极快。对于开发者来说...

这是一个基于 CoreML 框架实现的说话人日志（Speaker Diarization）模型，由 FluidInference 提供。它主要解决的是“谁在什么时候说话”的问题，能将音频流中的不同发言人进行自动区分和标记。由于采用了 Cor...

pyannote 的 segmentation 3.0 是一款专注于语音活动检测（VAD）的高性能模型。它能精准识别音频中“有人说话”与“静默/噪声”的分界点，是构建语音处理管线的关键前置步骤。相比于传统的基于能量阈值的 VAD，该模型在复...

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 ...

fsmn-vad 是由阿里 FunASR 团队开源的一款高性能语音端点检测模型。它主要用于从连续音频流中精准识别并切分出“有人说话”的片段，剔除静音和环境噪音。对于开发者而言，它是构建 ASR（语音识别）流水线不可或缺的前置环节，能有效降低...

Silero VAD v6.2.1 CoreML 是一款针对苹果生态深度优化的语音活动检测模型。它能精准地从音频流中分辨出“有人在说话”还是“环境静默”，是构建语音助手或实时转写应用的关键前置环节。相比通用模型，CoreML 版本极大降低了...

Segmentation 3.0 是一款专注于语音活动检测（VAD）的轻量级模型。对于开发者而言，它解决了音频处理中最基础但关键的“静音剔除”和“人声切分”问题。相比于复杂的全量语音识别模型，它上手难度极低，能够高效地从连续音频流中精准识别...

Namo Turn Detector v1 是一款专注于语音活动检测（VAD）的轻量化模型，核心作用是精准识别对话中的“轮替点”。对于开发者而言，它解决了实时语音交互中最头疼的“抢话”或“响应延迟”问题，能有效判断用户是否说完了话。该模型非...

pyannote 的 segmentation 模型是一款专注于语音活动检测（VAD）的专业工具，旨在从音频流中精准区分出“有人说话”和“静默/噪声”的时段。对于开发者而言，它不是一个对话 AI，而是一个强大的音频预处理组件。它能高效地过滤...

brouhaha 是一款由 pyannote 开发的轻量级语音活动检测（VAD）模型。它专注于从音频流中精准地剔除静音和背景噪音，仅保留有人类说话的片段。对于中国开发者而言，它非常适合作为语音识别（ASR）流水线的前置环节，通过过滤无效音频...

FireRedVAD 是一款由 FireRedTeam 开发的高性能语音活动检测（VAD）模型。简单来说，它的核心能力是精准区分音频中的“人声”与“静音/噪音”，是构建语音助手、实时转写或 AI 电话等场景的必备前置环节。相比于传统的基于能...

Smart Turn v2 是一款专注于语音活动检测（VAD）的轻量化模型，由 pipecat-ai 提供。它主要解决 AI 语音对话中极其关键的“打断”与“轮替”问题，能精准识别用户何时开始说话以及何时结束，有效减少语音交互中的尴尬停顿或...

Pyannote Segmentation MLX 是专为 Apple Silicon 芯片优化的语音活动检测（VAD）模型。它将 Pyannote 强大的语音分割能力通过 MLX 框架迁移至 Mac 端，旨在解决音频预处理中精准识别“有人...

Speaker Diarization Precision 2 是由 pyannote 推出的专业级说话人日志模型，核心解决的是“谁在什么时候说话”的问题。不同于基础的语音转文字，它专注于高精度的说话人切分与身份识别，能够有效区分同一音频中...

Silero VAD v5 MLX 是一个专门为 Apple Silicon 芯片优化的语音活动检测（VAD）模型。简单来说，它的核心能力是精准地从音频流中分辨出“哪里有人在说话”，并过滤掉背景噪音。由于采用了 MLX 框架，它能充分发挥 ...

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...