/ Модель

Характеристики

Размер весов
1,7 МБ
Лицензия
Apache 2.0
Библиотека
gguf
Опубликована
20 июн 2026

fsmn-vad-GGUF

Поиск речи в аудиоАудио → label5 профессий

Компактная GGUF-модель FSMN-VAD для обнаружения речи и сегментации длинного аудио на CPU и периферийных устройствах перед распознаванием.

2 327скачиваний за 30 дней3лайкавеса обновлены21 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

FunAudioLLM/fsmn-vad-GGUF — это GGUF-версия модели FSMN-VAD из экосистемы FunASR, подготовленная для запуска через FunASR llama.cpp runtime. Модель предназначена для детектирования участков речи в аудиозаписях и сегментации длинного аудио перед распознаванием речи.

Модель использует FSMN-энкодер и CMVN, занимает около 1,7 МБ и рассчитана на работу на CPU и периферийных устройствах без Python, в виде нативного C++-компонента на базе ggml/GGUF. Она поддерживает китайский и английский языки, а границы сегментов, согласно README, совпадают с PyTorch-фронтендом fsmn-vad примерно в пределах 10 мс.

Модель удобна для потоковой или локальной подготовки аудио к ASR, включая использование с инструментами FunASR, SenseVoice и Paraformer через параметр --vad. Она не выполняет распознавание речи самостоятельно и требует совместимого FunASR llama.cpp runtime. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • обнаружение речи в аудиозаписях
  • сегментация длинных аудиофайлов перед ASR
  • удаление участков тишины перед распознаванием
  • VAD в локальных и периферийных приложениях
  • подготовка аудио для SenseVoice и Paraformer

Ограничения

Модель выполняет только обнаружение активности речи и не заменяет систему автоматического распознавания речи. Для запуска требуется совместимый FunASR llama.cpp runtime и соответствующий инструмент.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FSMN-VAD · GGUF (FunASR llama.cpp runtime)

GGUF build of FunASR's FSMN-VAD for the zero-Python, CPU/edge FunASR llama.cpp runtime. Native ggml voice-activity detection: segment long audio entirely in C++, no Python at runtime.

Get it running (no Python, no build)

These are GGUF weights for the FunASR llama.cpp runtime — a whisper.cpp-style, single self-contained binary for CPU / edge. Grab a prebuilt binary, then fetch this model and run:

bash download-funasr-model.sh fsmn-vad ./gguf
# fsmn-vad is the VAD used by the ASR runtimes via --vad (see the SenseVoice / Paraformer / Fun-ASR-Nano GGUF repos)

Files

filesizenotes
fsmn-vad.gguf1.7 MBFSMN encoder + CMVN

Usage

Pass --vad to any FunASR llama.cpp tool to segment long audio internally:

llama-funasr-sensevoice -m sensevoice-small.gguf -a long.wav --vad fsmn-vad.gguf
llama-funasr-cli --enc funasr-encoder-f16.gguf -m qwen3-0.6b-q8_0.gguf -a long.wav --vad fsmn-vad.gguf

Segment boundaries match the PyTorch fsmn-vad front end within ~10 ms.

Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

Задача «voice-activity-detection» пока не поддерживается рантаймом.

Ревизия весов
6840bae

0 моделей