Silero VAD 6.2 в формате ONNX выделяет участки речи в аудиозаписях для подготовки к распознаванию речи.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это модель Silero VAD версии 6.2 в формате ONNX, опубликованная пользователем istupakov для работы с onnx-asr. Она определяет участки речи в аудиозаписи и может использоваться как этап предварительной обработки перед распознаванием речи, например вместе с Parakeet v3 ASR для анализа WAV-файлов. Формат ONNX позволяет запускать модель через совместимые среды выполнения.
Карточка не сообщает метрики качества или подробности о поддерживаемых языках и аудиоформатах; для запуска требуется совместимая среда ONNX.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Silero VAD model (version 6.2) in ONNX format for onnx-asr.
Install onnx-asr
pip install onnx-asr[cpu,hub]
Load Parakeet v3 ASR with Silero VAD and recognize wav file
import onnx_asr
vad = onnx_asr.load_vad("silero")
model = onnx_asr.load_model("nemo-parakeet-tdt-0.6b-v3").with_vad(vad)
for res in model.recognize("test.wav"):
print(res)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Задача «voice-activity-detection» пока не поддерживается рантаймом.