На Хабре уже было аж 3 статьи про развитие нашего публичного детектора голоса Silero VAD (последняя тут). А вот что стало лучше в этот раз:

• Все прошлые фишки и улучшения были сохранены в этой версии (скорость, работа с большим количеством языков, и т.д.);

• Был опубликован pip-пакет (благодарность комьюнити, всего сейчас порядка 250-300к скачиваний в месяц);

• Был изменён принцип тренировки, что сделало детектор более устойчивым;

• Общее число ошибок на мульти-доменной валидации было снижено на 11%;

• На шумных данных число ошибок было снижено на 16%;

• Разные мелкие доработки, примеры и обёртки на разных языках от сообщества, возможность использовать ретроспективу старых версий детектора через GitHub.

Путь опять проделан огромный, опять все изменения умещаются над катом Хабра.

Сравнение с аналогами

Относительно недавно появился новый детектор голоса TenVAD. Его основная фишка - портативность. Он напрямую построен на использовании библиотеки Aten, минуя PyTorch или ONNX. Но вот с качеством есть проблемы:

Больше всего проблем с шумными данными (методология по ссылке):

Цитирование и аффилиации

Детектор создан при поддержке Фонда содействия инновациям в рамках федерального проекта «Искусственный интеллект» национальной программы «Цифровая экономика Российской Федерации».

Цитировать детектор можно следующим образом:

@misc{Silero VAD,
  author = {Silero Team},
  title = {Silero VAD: pre-trained enterprise-grade Voice Activity Detector (VAD), Number Detector and Language Classifier},
  year = {2021},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/snakers4/silero-vad}},
  commit = {insert_some_commit_here},
  email = {hello@silero.ai}
}

Ссылки

1. Репозиторий - https://github.com/snakers4/silero-vad;

2. Более подробное описание изменений - https://github.com/snakers4/silero-vad/releases/tag/v6.0;

3. Метрики - https://github.com/snakers4/silero-vad/wiki/Quality-Metrics;