Repolode
提交项目
FireRedTeam

FireRedTeam/FireRedVAD

开源语音活动检测（VAD）与音频事件检测（AED）工具，支持 100 多种语言的语音、歌唱和音乐识别，提供流式与非流式模式。

在 GitHub 查看
Star
549
Fork
38
未关闭 Issue
16
最近提交
6个月前

这是什么？

FireRedVAD 用于检测音频中语音出现的位置，并可对语音、歌唱和音乐等音频事件进行标注。它支持非流式语音活动检测、适用于实时输入的流式检测，以及非流式音频事件检测，覆盖 100 多种语言。

项目提供 pip 安装包，包含 `fireredvad` 命令行工具和 Python API（`FireRedVad`、`FireRedStreamVad`、`FireRedAed`）。输入需为 16kHz、16 位单声道 PCM WAV 格式，其他格式可用 ffmpeg 转换。模型可从 Hugging Face 或 ModelScope 下载，并提供用于多平台部署的 NCNN 运行时。

模型基于 DFSMN 结构。在项目自建的 FLEURS-VAD-102 测试集上，非流式 VAD 的 F1 分数为 97.57%，同表中列出的 Silero-VAD、TEN-VAD、FunASR-VAD 和 WebRTC-VAD 得分更低。

核心功能

  • 01支持非流式和流式语音活动检测。
  • 02支持非流式音频事件检测，可识别语音、歌唱和音乐。
  • 03提供命令行工具和 Python API，便于批处理和程序集成。
  • 04支持 100 多种语言。
  • 05提供 NCNN 运行时，便于多平台部署。

适用场景

  • 在语音识别前裁剪静音并切分语音片段。
  • 在流式音频处理流程中进行实时语音检测。
  • 为媒体文件标注语音、歌唱和音乐片段。
  • 为多语言录音数据集做预处理。

标签

#voice-activity-detection#audio-event-detection#speech#audio#python#streaming#asr-preprocessing#aed#audio-event-classification#sound-event-detection

常见问题

FireRedVAD 是什么？
开源语音活动检测（VAD）与音频事件检测（AED）工具，支持 100 多种语言的语音、歌唱和音乐识别，提供流式与非流式模式。 FireRedVAD 用于检测音频中语音出现的位置，并可对语音、歌唱和音乐等音频事件进行标注。它支持非流式语音活动检测、适用于实时输入的流式检测，以及非流式音频事件检测，覆盖 100 多种语言。
FireRedVAD 可以免费使用吗？用的什么许可证？
FireRedVAD 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
FireRedVAD 还在维护吗？
半年内有更新。FireRedVAD 最近一次提交是在 2026年5月6日。
FireRedVAD 适合用来做什么？
在语音识别前裁剪静音并切分语音片段。 在流式音频处理流程中进行实时语音检测。 为媒体文件标注语音、歌唱和音乐片段。 为多语言录音数据集做预处理。
在哪里获取 FireRedVAD？
源代码和安装说明在 GitHub 上：https://github.com/FireRedTeam/FireRedVAD

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目