- 综合排序
- 最热优先
- 最新优先
- 来自专栏开源服务指南
英语学习项目：简单易懂、内容丰富 | 开源日报 No.298
://github.com/snakers4/silero-vad Stars: 3.3k License: MIT picture silero-vad 是一个预训练的企业级语音活动检测器。 通用性强：silero-vad 在包含 6000 多种语言的大型语料库上进行了训练，并且在不同领域、具有各种背景噪声和质量水平的音频上表现良好。 采样率灵活：silero-vad 支持 8000 Hz 和 16000 Hz 的采样率。 高度可移植：silero-vad 利用围绕 PyTorch 和 ONNX 构建的丰富生态系统，在支持这些运行时的任何地方都可以运行。 无附加条件：silero-vad 以宽松许可证（MIT）发布，没有任何附加条件。没有遥测、没有密钥、没有注册、没有内置到期、没有密钥或供应商锁定。
1.3K10编辑于 2024-07-11 - 来自专栏云上修行
提取音频中的人声: 简明指南
本文将深入探讨利用先进的Silero Voice Activity Detector (VAD)模型，如何实现从音频文件中获得清晰人声片段的目标，进而揭示这一技术在实际应用中的巨大潜力。 Silero VAD概述Silero VAD是一个预训练的企业级语音活动检测器，以其卓越的精确度、高速处理能力、轻量级架构以及高度的通用性和便携性而著称。 极高的便携性：得益于PyTorch和ONNX的生态系统，可以在任何支持这些运行时的地方使用Silero VAD。 在本示例中，我们使用silero-vad模型（声学事件检测的一种），该模型能够识别音频流中的语音活动。silero-vad是基于深度学习的模型，它可以高效地在各种背景噪声中识别人声。 未来，随着技术进步，Silero VAD以及相关的音频处理技术将进一步推动智能语音分析领域的革新。
3.6K20编辑于 2024-03-18 - 来自专栏翩翩白衣少年
TEN VAD 开源：低延迟、高准确率，提升「语音 Agent」上限就靠它!
TEN VAD的计算复杂度也远低于Silero VAD。 2、高性能 与目前常用的 WebRTC VAD 和 Silero VAD 相比，在公开的 TEN VAD 测试集上（来自多场景、逐帧人工标注），TEN VAD 展示出了更优的效果。 3、低延迟 在延迟方面，TEN VAD能够快速检测语音到非语音的转换，而Silero VAD则存在数百毫秒的延迟。 他之前使用的是业内知名的 Silero VAD，但遇到一个痛点：在日语环境下，Silero 经常会在句子还没说完时就判定为静音，导致字幕被截断，体验很差。
38510编辑于 2026-03-16 - 来自专栏云上修行
Smart Turn v3.1 实战入门
VAD 语音检测（Silero VAD）对每个块调用 Silero VAD ONNX 模型，输出当前块为“语音”的概率，并与阈值 VAD_THRESHOLD 比较，得到布尔值 is_speech。 ONNX 模型文件本项目中已包含：silero_vad.onnx：Silero VAD 模型 smart-turn-v3.1.onnx：Smart Turn v3.1 ONNX 权重 其中 VAD ONNX 模型 ---ONNX_MODEL_URL = ( "https://github.com/snakers4/silero-vad/raw/master/src/silero_vad/data /silero_vad.onnx")ONNX_MODEL_PATH = "silero_vad.onnx"MODEL_RESET_STATES_TIME = 5.0class SileroVAD: """Silero VAD ONNX 封装类，适用于 16 kHz 单声道，块大小为 512。"""
70410编辑于 2025-12-07 - 来自专栏云上修行
从噪声中找回清晰: 探索声音处理的未来
Silero VAD：基于PyTorch的高准确率方案，适合精细化音频环境。NVIDIA VAD：通过CUDA加速，为服务器提供了快速高效的检测能力。 通用实时通信（WebRTC 优化） AEC: WebRTC AEC3 → NS: NVIDIA RNNoise → VAD: Silero VAD在保持延迟低的同时取得非常优异的音质表现，适用于个人电脑和移动端
1.1K00编辑于 2025-04-19 - 来自专栏翩翩白衣少年
19.9K Star！这个 GitHub 高赞 Whisper 优化项目，性能提升 4 倍，显存砍半！
1、内置 Silero VAD（自动静音过滤） 官方 Whisper 有个著名的 Bug：遇到长时间的静音，模型会“产生幻觉”，开始胡言乱语（比如重复输出无意义的词）。 faster-whisper 内置了 Silero VAD (Voice Activity Detection) 模型。
60310编辑于 2026-03-16 - 来自专栏张善友的专栏
语音处理 开源项目 EchoSharp
EchoSharp.Onnx.SileroVad：使用Silero VAD的语音活动检测组件，准确识别语音段，优化音频处理管道。
67000编辑于 2025-02-04 开源神器WhisperLiveKit：本地部署+实时语音转写，会议纪要15分钟搞定
内置Silero VAD语音活动检测算法，可智能过滤键盘敲击、环境噪音，咖啡厅、开放办公区等复杂环境下，仍能精准捕捉有效发言内容。
1.4K11编辑于 2026-01-2231.3K star！开源免费本地AI神器，一键部署多模态大模型！
企业级扩展能力分布式推理：支持P2P网络构建AI集群联邦学习：多节点协同训练模型实时API：毫秒级响应请求语音活性检测：集成Silero-VAD技术技术架构解析技术组件功能说明优势特性Go语言核心提供REST
2.5K10编辑于 2025-03-31Handy-完全本地的语音识别工具
）2.在快捷键激活期间说话3.松开按键后，Handy 使用 Whisper 进行语音处理4.转写后的文本会直接粘贴到你当前使用的应用中 整个流程完全在本地完成： •使用 VAD（语音活动检测），基于 Silero
38710编辑于 2026-03-13语音AI Agent编排框架！Pipecat斩获10K+ Star，60+集成开箱即用，亚秒级对话延迟接近真人反应速度！
my-voice-agentcd my-voice-agentStep 2：安装 Pipecat 和需要的集成插件uv add "pipecat-ai[daily,openai,deepgram,cartesia,silero
44610编辑于 2026-03-06首个基于LLM的开源音频大模型！阶跃星辰重磅开源Step-Audio-EditX：P声音如此简单！
三元组被定义为 (文本, 源音频, 裁剪后音频)，其中 对应包含静音片段的源音频，而 指的是根据 Silero-VAD 产生的时间戳，通过提取和拼接语音片段生成的处理后版本。
56610编辑于 2025-11-17- 来自专栏机器之心
语音领域的「ImageNet时刻」为何迟迟不来？
作者：Alexander Veysov 机器之心编译 参与：NeuR 目前在计算机视觉领域已经有了一个普遍认识，那就是 ImageNet 预训练对于下游任务的有效性，来自 silero.ai 的俄国数据科学家
69530发布于 2020-05-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号