/ Модель

Характеристики

Лицензия
MIT
Библиотека
vokra
Опубликована
30 июл 2026

silero-vad-v6.2.1

Поиск речи в аудиоАудио → label9 профессий

Конвертированная в GGUF модель Silero VAD определяет речевые сегменты в моно WAV-аудио с частотой 16 кГц.

34скачиваний за 30 дней0лайковвеса обновлены30 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

Это конвертированная в формат Vokra GGUF версия модели Silero VAD v6.2.1 от upstream-разработчика snakers4. Она предназначена для определения участков речи в аудиозаписи и запускается в среде инференса Vokra, которая поддерживает отображение весов в память. Для работы модели требуется монофонический WAV с частотой дискретизации 16 кГц; результатом являются обнаруженные речевые сегменты.

Файл весит 2,1 МБ, архитектура обозначена как silero-vad. Конверсия сохраняет исходные веса и не является новым дообучением. Лицензия — MIT.

Сценарии применения

  • выделение речевых фрагментов из аудиозаписей
  • обнаружение речи перед распознаванием аудио
  • отсечение тишины в моно WAV-записях
  • подготовка речевых сегментов для транскрибирования

Ограничения

Требуется монофонический WAV с частотой 16 кГц. Модель определяет речевые сегменты, а не распознаёт содержание речи.

Для каких профессий подходит9

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-v6.2.1 (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-v6.2.1.gguf2.1 MBc86d36d0aa08eec97f124ad791f6556d6712558c3f2253cfeaaf58fa7db16f0b

Usage

# Download (any HTTP client works — the file is a plain GGUF)
curl -L -o silero-vad-v6.2.1.gguf \
  https://huggingface.co/vokra/silero-vad-v6.2.1/resolve/main/silero-vad-v6.2.1.gguf
vokra-cli run --model silero-vad-v6.2.1.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 v6.2.1 (MIT)
Upstream licenceMIT
Licence classpermissive
Registry model idsilero-vad-v6.2.1
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-v6.2.1.gguf
# expect: c86d36d0aa08eec97f124ad791f6556d6712558c3f2253cfeaaf58fa7db16f0b

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
71b5166

0 моделей