企业官网建设流程全解析

三行代码从音频流里切出语音段：Silero VAD 快速上手

【免费下载链接】silero-vadSilero VAD: pre-trained enterprise-grade Voice Activity Detector项目地址: https://gitcode.com/GitHub_Trending/si/silero-vad

你的音频流里混着大段静音，下游 ASR 一直在空跑。Silero VAD 是一个语音活动检测模型，把"哪里有声音"变成一串时间戳，几行 Python 就能跑通。做语音流、离线录音处理、语音机器人前端的开发者，花 10 分钟确认它能不能干活就够。

参数一屏看：Silero VAD 语音活动检测的硬指标

2 MB 意味着它塞进树莓派、车机、边缘盒子都不占地方；MIT 协议意味着你商用不用回头问任何人。

装完就能切语音段：pip 一条命令 + 三行调用

装：pip install silero-vad一条命令，装好 torch 和 torchaudio，模型文件也随包一起带进来，不用再下载。

from silero_vad import load_silero_vad, read_audio, get_speech_timestamps model = load_silero_vad() # 加载包内自带的 JIT 模型，不联网 wav = read_audio('a.wav') # 读取并按 16 kHz 重采样，返回 1D tensor ts = get_speech_timestamps( wav, model, return_seconds=True, # 返回秒；不传则是采样点 ) print(ts) # [(开始, 结束), ...] 按时间排的语音段

载：load_silero_vad()直接加载 pip 包里预置的模型，省掉下载和 torch.hub 那套。调：read_audio统一重采样到 16 kHz，源文件是 44.1 kHz 也没关系；get_speech_timestamps把连续概率归并成离散语音段。看结果：每段是"起、止"两个坐标，按采样点或秒都能拿。原理一句话：16 kHz 下模型每帧吃 512 个采样点（32 ms），吐一个语音概率，get_speech_timestamps负责把逐帧概率归并成段。想先跑通验证环境，仓库里tests/data/test.wav就是现成的测试音频。

threshold 调到多少才不漏报？

四个参数之外别急着动。项目还带了 tuning/ 目录，里面有在你自己的标注数据上自动搜索 threshold 的脚本，先拿一段典型音频把默认值跑通，再决定要不要调。

不想用 PyTorch？silero vad onnx 部署直接换条路

• ONNX Runtime：load_silero_vad(onnx=True)就换到 ONNX 推理路径，官方口径是特定条件下比 PyTorch 快 4-5 倍，适合不想在服务器里装 torch 的场景，装onnxruntime>=1.16.1即可。
• 其他语言：仓库 examples/ 下有 C++、Rust、Go、Java、C# 的完整示例，选你技术栈对应目录照抄，不用自己研究 ONNX 输入输出。
• 流式麦克风：包里自带VADIterator，按块喂数据、内部维护状态，examples/pyaudio-streaming/ 有接麦克风的完整 demo。

遇到 X 怎么办

• 遇到"Supported sampling rates"报错：采样率不在 8000/16000（或 16000 的整数倍）。一行修复：喂模型前重采样，read_audio已经帮你做了，手动拼管道就补这一步。
• 遇到音频读不进来（No backend / torchaudio 报错）：torchaudio 需要 FFmpeg、sox 或 soundfile 三选一做后端。一行修复：pip install soundfile最省事。
• 遇到 CPU 推理莫名变慢：torch 默认开多核，小模型上反而互相抢。一行修复：torch.set_num_threads(1)，或者干脆切 ONNX Runtime 路径。

核心用法就三句话：load_silero_vad加载、read_audio读入、get_speech_timestamps切段。建议先拿tests/data/test.wav跑通验证环境，然后去 examples/pyaudio-streaming/ 抄一个流式 demo，接上麦克风，10 分钟内你会对 Silero VAD 语音活动检测在实时场景里的表现有数。

【免费下载链接】silero-vadSilero VAD: pre-trained enterprise-grade Voice Activity Detector项目地址: https://gitcode.com/GitHub_Trending/si/silero-vad