Silero VAD erkennt, welche Teile eines Audio-Streams Sprache enthalten, in weniger als einer Millisekunde pro Chunk — entscheidend für Echtzeit-Sprachpipelines.
| Kategorie | Sprache (STT / TTS) |
| Typ | Spracherkennung |
| Lizenz | MIT |
| Läuft lokal | Ja |
| Hergestellt mit | Python |
| Fähigkeitsstufe | Anfänger |
| Am besten für | Echtzeit-Sprachassistenten |
Weitere Open-Source-Sprachtools (stt / tts), die einen Vergleich wert sind:
WhisperOpenAIs offene Sprach-zu-Text-Baseline
faster-whisperWhisper, viel schneller und leichter
WhisperXWhisper plus Wort-Zeitstempel und Diarisierung
PiperSchnelle, lokale neuronale Text-zu-Sprache
Coqui TTSDeep-Learning TTS mit Sprachklonierung
BarkText-zu-Audio mit Stimmen und Effekten
F5-TTSZero-Shot-Sprachklonierung, die tatsächlich überzeugt
KokoroKleines 82M TTS mit erstaunlicher Qualität
whisper.cppWhisper in reinem C/C++, läuft überall
OpenVoiceKlonen Sie eine Stimme und steuern Sie ihre Emotionen
StyleTTS 2Menschliches Sprachsynthese
pyannote.audioWissen, wer wann gesprochen hatSilero VAD ist kostenlos und Open Source (MIT-Lizenz), sodass Sie es kostenlos verwenden, selbst hosten und modifizieren können.
Ja. Silero VAD ist so konzipiert, dass es auf Ihrem eigenen Computer oder Server läuft und Ihre Daten privat bleiben.
Beliebte Open-Source-Alternativen sind Whisper, faster-whisper, WhisperX. Siehe die obenstehenden Vergleiche zur Auswahl.
Durchsuchen Sie das vollständige Verzeichnis von Open-Source-AI-Tools, Modellen und Projekten – täglich aktualisiert.
Alle Tools durchsuchen →