Python

Silero VAD

Detecte fala em áudio, instantaneamente

por snakers4 · MIT

Do README

• torch>=1.12.0;
• torchaudio>=0.12.0 (for I/O only);
• onnxruntime>=1.16.1 (for ONNX model usage).

Trechos do README do projeto em GitHub. Os direitos autorais e as licenças permanecem com os respectivos autores.

O que é Silero VAD?

Silero VAD detecta quais partes de um fluxo de áudio contêm fala, em menos de um milissegundo por pedaço — essencial para pipelines de voz em tempo real.

Por que as pessoas escolhem Silero VAD

• Detecção em sub-milissegundos
• Modelo pequeno, roda em qualquer lugar
• Essencial para streaming de voz

Silero VAD em um relance

Alternativas de código aberto para Silero VAD

Outras ferramentas de fala (stt / tts) de código aberto que valem a pena comparar:

WhisperBase de fala para texto aberta da OpenAIfaster-whisperWhisper, muito mais rápido e leveWhisperXWhisper com timestamps de palavras e diarizaçãoPiperTexto para fala neural rápida e localCoqui TTSTTS de aprendizado profundo com clonagem de vozBarkTexto para áudio com vozes e efeitosF5-TTSClonagem de voz zero-shot que realmente convenceKokoroTTS pequeno de 82M com qualidade impressionanteVozoDuble o vídeo com a voz clonada do próprio locutorwhisper.cppWhisper em C/C++ puro, roda em qualquer lugarOpenVoiceClone uma voz e controle sua emoçãoStyleTTS 2Síntese de fala em nível humanopyannote.audioSaiba quem falou quando

Silero VAD em comparação

FAQ