Silero VAD este standardul industrial pentru detectarea vorbirii în timp real datorită dimensiunii minuscule (sub 2MB):
from silero_vad import load_silero_vad
import torch
model = load_silero_vad()
# Inferență pe un calup audio de 512 eșantioane (la 16kHz = 32ms)
tensor_audio = torch.from_numpy(chunk_audio).float()
probabilitate_voce = model(tensor_audio, 16000).item()
if probabilitate_voce > 0.5:
print("Vorbire detectată!")Funcționează excelent chiar și în prezența zgomotului de trafic sau muzicii în surdină.
Întrebări & Exemple practice:
Configurarea și Rularea Modelului Silero VAD (ONNX & PyTorch)Ai o întrebare despre Configurarea și Rularea Modelului Silero VAD (ONNX & PyTorch) sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.