Awtomatikong salin · Orihinal sa Ingles
Silero VAD — Android
Ang Silero VAD XX v5 ay tumatakbo sa Android, naka-ink Linux at Windows sa pamamagitan ng ONNX Runtime na nagbibigay ng dumadaloy na aktibidad ng boses na nakatutok sa sub-milled latency. Nagsisilbi itong pang-rehiyon ng tubo – STT lamang ang tumatakbo ng pagsasalita, na nagliligtas ng compute.
Huwaran
| Huwaran | Likod | Laki | HuggingFace |
|---|---|---|---|
| Silero-VAD-v5 | ONNX Runtime | °2 MB | soniqo/Silero-VAD-v5-ONNX |
Pag - aasikaso
| Masalimuot | Halaga |
|---|---|
| Maliit na sukat | 32 ms (512 sampol sa 16 kHz) |
| Pagiging Latente | Sub-milled kada fleet |
| RTF | < 0.01 |
Pagsasaayos
| Parameter | Pagkawasak | Paglalarawan |
|---|---|---|
min_silence_duration | 0.5 | Kailangan ang katahimikan upang matapos ang isang bahagi ng pagsasalita |
min_speech_duration | 0.15 | Kaunting tagal ng pagsasalita upang pagmulan ng pagtutop |
Mahalaga
Sa Android, ang VAD ay bahagi ng SpeechPipeline at hindi ginagamit na standalone. Ang tubo ay awtomatikong humahawak ng VAD → STT → TTS daloy. speech-android sa GitHub para sa pagsasama - sama ng mga detalye.
Pinagmulan na kodigo: github.com/soniqo/speech-android