/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
FireRedVAD
Библиотека
ggml
Опубликована
20 апр 2026

firered-vad-GGUF

Поиск речи в аудиоАудио → label6 профессий

Компактная модель FireRedVAD в формате GGUF для обнаружения речи в аудио, включая потоковую обработку и отдельную классификацию речи, пения и музыки.

583скачиваний за 30 дней2лайкавеса обновлены2 авг 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

FireRedVAD-GGUF — преобразованные в формат GGUF варианты модели FireRedVAD от FireRedTeam для определения речевой активности в аудиозаписях и использования с CrispStrobe/CrispASR. Модель построена на архитектуре DFSMN: восемь блоков используют свёртки с контекстом по предыдущим и последующим кадрам. В карточке описаны три варианта: обычный VAD с просмотром вперёд и назад, потоковый вариант без просмотра вперёд и AED для многометочной классификации речи, пения и музыки. Размер вариантов составляет около 568–589 тысяч параметров.

Сценарии применения

  • определение участков речи в аудиозаписях
  • разбиение аудиопотока на речевые и неречевые сегменты
  • потоковое обнаружение речи без просмотра будущих кадров
  • выделение речи, пения и музыки в многометочном режиме
  • предварительная обработка аудио перед распознаванием речи

Ограничения

Вариант с просмотром вперёд не предназначен для обработки без задержки, а потоковый вариант не использует будущие кадры. Заявленная языковая поддержка и оценка F1 приведены в README; независимая проверка этих характеристик здесь не выполнялась.

Для каких профессий подходит6

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

FireRedVAD -- GGUF

GGUF conversions of FireRedTeam/FireRedVAD for use with CrispStrobe/CrispASR.

Available variants

FileVariantSizeParamsNotes
firered-vad.ggufVAD2.4 MB588KNon-streaming, lookback+lookahead
firered-stream-vad.ggufStream-VAD2.3 MB568KStreaming (no lookahead)
firered-aed-vad.ggufAED2.4 MB589KMulti-label: speech/singing/music

All variants are F32 (no quantization needed — models are already tiny).

Model details

  • Architecture: DFSMN (Deep Feedforward Sequential Memory Network) — 8 blocks with depthwise lookback/lookahead convolutions (k=20)
  • Parameters: ~588K (2.4 MB)
  • Languages: 100+ (language-agnostic voice activity detection)
  • F1 Score: 97.57% on FLEURS-VAD-102 (outperforms Silero-VAD, TEN-VAD, FunASR-VAD, WebRTC-VAD)
  • License: Apache 2.0

Conversion

python models/convert-firered-vad-to-gguf.py --input FireRedTeam/FireRedVAD --variant VAD --output firered-vad.gguf

Provenance and EU AI Act Art. 53 note

  • Upstream model: FireRedTeam/FireRedVAD — published by FireRedTeam.
  • Upstream licence: apache-2.0. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
  • What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
  • Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository. No training-content summary was found on the upstream model card at the time of writing; that documentation gap is upstream's and is not filled here.
  • Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм · ggml

Нельзя запустить

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

Ревизия весов
f965baa

0 моделей