/ Модель

Характеристики

Лицензия
MIT
Архитектура
silero_vad_mlx · dense
Базовая модель
silero-vad
Библиотека
mlx
Опубликована
28 июн 2026

Silero-VAD-v6.2.1-MLX

Классификация аудиоАудио → label3 профессии

Порт Silero VAD v6.2.1 в формате MLX для обнаружения речи и выделения речевых сегментов на Apple Silicon.

8 500скачиваний за 30 дней1лайквеса обновлены28 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

Silero VAD v6.2.1 MLX — порт модели Silero VAD проекта snakers4 в формат MLX для запуска на устройствах Apple Silicon. Модель содержит 309 121 параметр, использует веса Float32 без квантизации и распространяется в формате MLX safetensors. Лицензия — MIT.

Модель предназначена для обнаружения речевой активности в аудио и выделения речевых сегментов, в том числе при потоковой обработке. В README приведены замеры на Apple Silicon для аудио 16 кГц: задержка составляет около 0,5 мс на фрагмент; также заявлено совпадение преобразованных весов с исходным состоянием Silero VAD v6.2.1. Это конвертированный порт, ориентированный на MLX и Apple Silicon; приведённые показатели относятся к указанной тестовой конфигурации.

Сценарии применения

  • обнаружение речи в аудиопотоке
  • выделение речевых сегментов из аудиозаписи
  • определение пауз и тишины в речи
  • предварительная фильтрация аудио перед распознаванием речи

Ограничения

Порт рассчитан на запуск через MLX на Apple Silicon, поэтому приведённые характеристики производительности нельзя напрямую переносить на другие аппаратные платформы. В README точность сравнивается с соответствующим экспортом CoreML на ограниченной тестовой конфигурации.

Для каких профессий подходит3

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 v6.2.1 MLX

MLX port of snakers4/silero-vad tag v6.2.1 for voice activity detection on Apple Silicon.

Model

FieldValue
Parameters309,121
Quantizationnone, Float32 weights
FormatMLX safetensors
Sample rate16 kHz
Chunk size512 samples, 32 ms
Context64 samples
Upstreamsnakers4/silero-vad:v6.2.1

Files

FileSizeDescription
model.safetensors1.2 MBMLX weights
config.json456 BModel metadata and runtime shape config
README.md-Model card

Performance

Measured with speech-swift release tests on Apple Silicon using a 20 s 16 kHz speech fixture, 625 streaming chunks.

BackendSegmentLatency per chunkRTF
Silero v6.2.1 MLX5.184s-8.416s0.4999 ms0.01562
Silero v6.2.1 CoreML5.184s-8.416s0.0630 ms0.00197

Parity against the matching CoreML v6.2.1 export:

MetricValue
Max probability diff0.060569
Average probability diff0.001673

The exported safetensors were also checked tensor-by-tensor against the upstream v6.2.1 JIT state dict after conversion; the maximum absolute tensor difference was 0.

Usage

Swift SDK

import SpeechVAD

let vad = try await SileroVADModel.fromPretrained(engine: .mlx)
let segments = vad.detectSpeech(audio: samples, sampleRate: 16000)

CLI

speech vad input.wav

Source

Converted from snakers4/silero-vad tag v6.2.1. The upstream project is MIT licensed.

Links

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
0046cea

0 моделей