Silero VAD — Android

Silero VAD v5 chạy trên Android và Linux nhúng qua ONNX Runtime, cung cấp phát hiện hoạt động giọng nói streaming với độ trễ dưới một mili-giây. Mô hình đóng vai trò kích hoạt giọng nói cho pipeline — STT chỉ chạy khi phát hiện thấy tiếng nói, tiết kiệm tài nguyên tính toán.

Mô hình

Mô hình	Backend	Kích thước	HuggingFace
Silero-VAD-v5	ONNX Runtime	~2 MB	aufklarer/Silero-VAD-v5-ONNX

Hiệu năng

Chỉ số	Giá trị
Kích thước chunk	32 ms (512 mẫu ở 16 kHz)
Độ trễ	Dưới một mili-giây mỗi chunk
RTF	< 0.01

Cấu hình

Tham số	Mặc định	Mô tả
min_silence_duration	0.5s	Thời lượng im lặng cần thiết để kết thúc một đoạn giọng nói
min_speech_duration	0.15s	Thời lượng giọng nói tối thiểu để kích hoạt phát hiện

Mã nguồn: github.com/soniqo/speech-android