Silero 语音活动检测器
# this assumes that you have a proper version of PyTorch already installed
pip install -q torchaudio
import torch
torch.set_num_threads(1)
from IPython.display import Audio
from pprint import pprint
# download example
torch.hub.download_url_to_file('https://models.silero.ai/vad_models/en.wav', 'en_example.wav')
model, utils = torch.hub.load(repo_or_dir='snakers4/silero-vad',
model='silero_vad',
force_reload=True)
(get_speech_timestamps,
_, read_audio,
*_) = utils
sampling_rate = 16000 # also accepts 8000
wav = read_audio('en_example.wav', sampling_rate=sampling_rate)
# get speech timestamps from full audio file
speech_timestamps = get_speech_timestamps(wav, model, sampling_rate=sampling_rate)
pprint(speech_timestamps)
模型描述
Silero VAD：预训练的企业级语音活动检测器 (VAD)。让企业级语音产品变得简单易用（请参阅我们的 STT 模型）。每个模型均单独发布。
目前，除了 WebRTC 语音活动检测器 (链接) 外，几乎没有高质量、现代化、免费且公开的语音活动检测器。然而，WebRTC 已显老态，且存在许多误报问题。
(!!!) 重要提示 (!!!) – 本模型旨在仅在 CPU 上运行，并已针对 1 个 CPU 线程的性能进行了优化。请注意，该模型已进行量化。
更多示例与基准测试
有关更多示例及其他模型格式，请访问此链接，并参考 Colab 格式中的详尽示例（包括流式处理示例）。
参考文献
VAD 模型架构基于类似的 STT 架构。
