Silero VAD MLX находит речевые фрагменты в аудиозаписях и возвращает их временные отметки.
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
Silero VAD MLX — модель обнаружения речевой активности, преобразованная сообществом mlx-community из onnx-community/silero-vad в формат MLX. Она принимает аудиофайл и возвращает временные отметки речевых фрагментов, в том числе в секундах. Модель предназначена для выделения речи в аудиозаписях и может использоваться как этап предварительной обработки аудио.
Карточка описывает обнаружение речевых фрагментов, но не заявляет распознавание или транскрибирование речи. Указан формат MLX; другие форматы использования не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model was converted from onnx-community/silero-vad to MLX format.
from mlx_audio.vad import load
model = load("mlx-community/silero-vad")
timestamps = model.get_speech_timestamps("audio.wav", return_seconds=True)
print(timestamps)
For streaming, pass 512-sample chunks at 16 kHz or 256-sample chunks at 8 kHz:
state = model.initial_state(sample_rate=16000)
probability, state = model.feed(chunk, state, sample_rate=16000)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · mlx-audio
MLX-модели работают только на Apple Silicon.