Характеристики

Лицензия: MIT
Библиотека: transcribe.cpp
Опубликована: 10 окт 2026

Ссылки

Hugging Face

silero-vad-v6.2-gguf

handy-computer

Классификация аудиоАудио → label

Конверсия Silero VAD в GGUF для transcribe.cpp определяет участки речи в аудио и выдаёт вероятности речевой активности.

65скачиваний за 30 дней0лайковвеса обновлены10 окт 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

Это конвертация Silero VAD от команды Silero в формате GGUF F32 для использования с transcribe.cpp. Модель определяет речевую активность: выдаёт вероятности речи по кадрам и сегменты речи при офлайн-обработке; поддерживается потоковый режим. Это не модель транскрибации и она не распознаёт слова. Для запуска подаётся монофонический WAV с частотой дискретизации модели; для эталонного соответствия используется CPU-бэкенд.

Конверсия основана на snakers4/silero-vad, закреплённой на upstream-коммите 5cd7945, и проверена относительно Silero VAD 6.2.3 в TorchScript, CPU и F32. Размер файла F32 составляет около 1 МБ. Лицензия — MIT.

Сценарии применения

обнаружение речи в монофонической WAV-записи
разбиение аудио на сегменты речи
оценка вероятности речи по аудиокадрам
потоковое определение речевой активности перед распознаванием речи

Ограничения

Модель определяет наличие речи, но не транскрибирует её. В README для запуска указаны монофонический WAV с частотой дискретизации модели и transcribe.cpp; эталонное соответствие проверялось на CPU в F32.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

silero-vad: transcribe.cpp GGUF

GGUF conversions of snakers4/silero-vad for use with transcribe.cpp.

Ported from upstream commit 5cd7945, pinned 2026-10-09. Validated against the silero-vad 6.2.3 (TorchScript, CPU, F32) reference at transcribe.cpp commit 2674b95d on 2026-10-10.

Voice activity detection by the Silero Team. Not a transcription model: the VAD role produces per-frame speech probabilities (offline or streaming) and offline speech segments. CPU is the default backend for reference fidelity. transcribe.cpp also loads whisper.cpp's ggml-silero-v5.1.2.bin / v6.2.0.bin.

Downloads

Quantization	Download	Size
F32	silero-vad-v6.2-F32.gguf	1 MB

Usage

Build transcribe.cpp and run on a mono WAV at the model's sample rate:

cmake -B build && cmake --build build --target transcribe-cli
build/bin/transcribe-cli -m silero-vad-v6.2-F32.gguf input.wav

From the C API, use the VAD role (include/transcribe/vad.h): offline segments with transcribe_vad_run, live per-frame probabilities with transcribe_vad_stream_feed.

See the model page and VAD usage.

License

Inherited from the base model: MIT. See the upstream model card for full terms.

Как запустить

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

GPU в ailist

Универсальный рантайм · transcribe.cpp

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 97bbd75