/ Модель

Характеристики

Лицензия
MIT
Архитектура
silero_vad_v5 · dense
Базовая модель
silero-vad
Библиотека
mlx
Опубликована
25 фев 2026

Silero-VAD-v5-MLX

Поиск речи в аудиоАудио → label4 профессии

Лёгкая потоковая модель для определения наличия речи в коротких аудиофрагментах, подготовленная для запуска через MLX на Apple Silicon.

26 203скачиваний за 30 дней4лайкавеса обновлены12 апр 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

aufklarer/Silero-VAD-v5-MLX — конвертированные веса Silero VAD v5 для запуска с библиотекой MLX на устройствах Apple Silicon. Модель предназначена для обнаружения речевой активности в аудиопотоке: принимает последовательные фрагменты по 512 отсчётов (32 мс при частоте 16 кГц) и выдаёт вероятность наличия речи от 0 до 1 для каждого фрагмента. Состояние LSTM сохраняется между фрагментами для потоковой обработки.

Архитектура включает STFT, свёрточный энкодер из четырёх слоёв Conv1d с ReLU, LSTM со скрытым размером 128 и свёрточный декодер с сигмоидой; размер — около 309 тысяч параметров. Заявлена задержка менее миллисекунды. Репозиторий содержит веса safetensors, преобразованные из официальной JIT-модели Silero VAD v5; базовая модель — snakers4/silero-vad. Лицензия — MIT.

Сценарии применения

  • определение речевых сегментов в аудиопотоке
  • обнаружение начала и конца речи для голосового интерфейса
  • отсечение тишины перед распознаванием речи
  • потоковая сегментация аудио для последующей обработки

Ограничения

Модель рассчитана на фрагменты по 512 отсчётов при 16 кГц; для обработки аудио с другими параметрами требуется подходящая предварительная подготовка. Заявленная задержка и характеристики описаны в README и могут зависеть от устройства и реализации.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Silero VAD v5 — MLX

MLX-compatible weights for Silero VAD v5, converted from the official JIT model.

Model

Silero VAD v5 is a lightweight (~309K params) voice activity detection model that processes 512-sample chunks (32ms @ 16kHz) with sub-millisecond latency. It outputs a speech probability between 0 and 1 for each chunk, with LSTM state carried across chunks for streaming operation.

Architecture: STFT → 4×Conv1d+ReLU encoder → LSTM(128) → Conv1d decoder → sigmoid

Usage (Swift / MLX)

import SpeechVAD

// Load model
let vad = try await SileroVADModel.fromPretrained()

// Streaming: process 512-sample chunks
let prob = vad.processChunk(samples)  // → 0.0...1.0

// Batch: detect speech segments in complete audio
let segments = vad.detectSpeech(audio: samples, sampleRate: 16000)
for seg in segments {
    print("Speech: \(seg.startTime)s - \(seg.endTime)s")
}

Part of speech-swift.

Conversion

python3 scripts/convert_silero_vad.py --upload

Converts the official Silero VAD v5 JIT model via torch.hub, transposes Conv1d weights for MLX channels-last format, sums LSTM biases (bias_ih + bias_hh), and saves as safetensors.

Weight Mapping

JIT KeyMLX KeyShape
_model.stft.forward_basis_bufferstft.weight[258, 256, 1]
_model.encoder.{i}.reparam_conv.weightencoder.{i}.weightvaries
_model.encoder.{i}.reparam_conv.biasencoder.{i}.biasvaries
_model.decoder.rnn.weight_ihlstm.Wx[512, 128]
_model.decoder.rnn.weight_hhlstm.Wh[512, 128]
_model.decoder.rnn.bias_ih + bias_hhlstm.bias[512]
_model.decoder.decoder.2.weightdecoder.weight[1, 1, 128]
_model.decoder.decoder.2.biasdecoder.bias[1]

License

The original Silero VAD model is released under the MIT License.



Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
01edc8e

0 моделей