/ Модель

Характеристики

Лицензия
MIT
Библиотека
vokra
Опубликована
23 июл 2026

silero-vad-v5

Поиск речи в аудиоАудио → label8 профессий

Конверсия Silero VAD версии 5 в GGUF для обнаружения речевых сегментов в монофоническом аудио 16 кГц.

23скачиваний за 30 дней0лайковвеса обновлены23 июл 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-v5 — модель обнаружения голосовой активности Silero, опубликованная Vokra в формате GGUF для runtime Vokra. Это конверсия исходных весов snakers4/silero-vad версии 5, а не новая или дообученная модель. Репозиторий содержит файл размером 2,1 МБ с архитектурой silero-vad.

Модель предназначена для выделения участков речи в аудиозаписях и потоках речи. Для указанного в README сценария на вход подаётся монофонический WAV с частотой 16 кГц, а результатом являются сегменты с обнаруженной речью. Формат GGUF позволяет runtime Vokra напрямую отображать файл в память.

Модель распространяется по лицензии MIT. Карточка не описывает другие частоты дискретизации, языковые ограничения или показатели качества.

Сценарии применения

  • выделение речевых сегментов из WAV-записи
  • определение наличия речи в аудиопотоке
  • предварительная сегментация аудио перед распознаванием речи

Ограничения

Сценарий из карточки требует монофонический WAV с частотой 16 кГц. Карточка не приводит оценок качества и сведений о поддержке других форматов или частот дискретизации.

Для каких профессий подходит8

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

silero-vad-v5 (Vokra GGUF)

Voice activity detection model, converted to the Vokra GGUF format for Vokra, a zero-dependency speech-AI inference runtime.

This is a conversion, not a new model. The weights are the upstream ones; Vokra re-packages them so its runtime can memory-map them directly. Credit for the model belongs upstream — see Source below.

Files

FileSizeSHA-256
silero-vad-v5.gguf2.1 MB23b19eadba72fb9726fa73a0bfd095afcba2f8c5bcb4f03a1b5e57a67eb13df6

Usage

# Download (any HTTP client works — the file is a plain GGUF)
curl -L -o silero-vad-v5.gguf \
  https://huggingface.co/vokra/silero-vad-v5/resolve/main/silero-vad-v5.gguf
vokra-cli run --model silero-vad-v5.gguf --input speech.wav

Prints the detected speech segments. Input must be mono 16 kHz WAV.

Provenance

FieldValue
Architecturesilero-vad
Tensors30
Upstream sourcesnakers4/silero-vad v5 (MIT)
Upstream licenceMIT
Licence classpermissive
Registry model idsilero-vad-v5
Vokra GGUF schema1
Converted byvokra-core 0.1.0-alpha.0

Every row above is read out of this file's own vokra.* metadata, so the card cannot claim something the artifact does not carry.

Licence

The weights are distributed under MIT, unchanged from upstream. Conversion does not alter the licence, and your obligations run to the upstream author.

Verifying this file

shasum -a 256 silero-vad-v5.gguf
# expect: 23b19eadba72fb9726fa73a0bfd095afcba2f8c5bcb4f03a1b5e57a67eb13df6

Как запустить

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

GPU в ailist

Универсальный рантайм · vokra

Нельзя запустить

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

Ревизия весов
3670dfe

0 моделей