К содержимому
Аудио

Silero VAD v6.2.0 в GGUF

детектор речи для NeMo-Speech.cpp

1 мин чтенияобновлено

Это компактный детектор голосовой активности Silero VAD v6.2.0, сконвертированный в GGUF для NeMo-Speech.cpp v0.3.0. В пайплайне распознавания он маскирует тишину до того, как аудио попадёт в ASR, и помогает определить конец реплики. Конвертация сделана для Goscriber — офлайн-приложения для диктовки с push-to-talk; файл подходит для любого runtime NeMo-Speech.cpp. Это не официальный релиз Silero Team или NVIDIA, а веса взяты из пакета silero-vad 6.2.0 на PyPI.

Ключевые особенности

  • Веса Silero VAD 6.2.0 в F32: без квантизации и дообучения.
  • Формат GGUF, который загружает NeMo-Speech.cpp v0.3.0 как VAD-компаньон.
  • Умеет маскировать тишину перед ASR и сигнализировать о конце высказывания.
  • Только модель на 16 kHz; это не формат Silero GGML для whisper.cpp.

Что можно сделать

  • Подключить к NeMo-Speech.cpp вместе с Parakeet TDT 0.6B v2 и расшифровывать аудио с отсечением тишины.
  • Использовать в офлайн-диктовке на базе Goscriber.
  • Встроить в свой ASR-пайплайн через C ABI: задать model_path и enable_masking в nemo_speech_asr_vad_config.

Пример

nemo-speech transcribe audio.wav --model parakeet-tdt-0.6b-v2.q8_0.gguf --vad-model silero-vad-v6.2.0.gguf --vad-masking
ПодробнееРазмер файла — 1 240 224 байта (F32).
Поддерживается только 16 kHz; формат не совместим с whisper.cpp Silero GGML.
Конвертация выполнена через convert_model.py из NeMo-Speech.cpp v0.3.0.
Лицензия MIT, как у исходного Silero VAD.
Обсудить Telegram 0 42

Запустится ли?

Запустится в GGUF

Влезает самая точная из готовых сжатых версий.

  • GGUFвеса 0.0 GB · готовые файлы0.5 GB

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: GGUF — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # opragmatico/silero-vad-nemo-speech-gguf
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download opragmatico/silero-vad-nemo-speech-gguf --local-dir ~/models/silero-vad-nemo-speech-gguf
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к silero-vad-nemo-speech-gguf
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии silero-vad-nemo-speech-gguf — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

opragmatico/silero-vad-nemo-speech-gguf
Автор
opragmatico
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

420

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии