Silero VAD detecta quais partes de um fluxo de áudio contêm fala, em menos de um milissegundo por pedaço — essencial para pipelines de voz em tempo real.
| Categoria | Fala (STT / TTS) |
| Tipo | Detecção de atividade de voz |
| Licença | MIT |
| Executa localmente | Sim |
| Construído com | Python |
| Nível de habilidade | Iniciante |
| Melhor para | assistentes de voz em tempo real |
Outras ferramentas de fala (stt / tts) de código aberto que valem a pena comparar:
WhisperBase de fala para texto aberta da OpenAI
faster-whisperWhisper, muito mais rápido e leve
WhisperXWhisper com timestamps de palavras e diarização
PiperTexto para fala neural rápida e local
Coqui TTSTTS de aprendizado profundo com clonagem de voz
BarkTexto para áudio com vozes e efeitos
F5-TTSClonagem de voz zero-shot que realmente convence
KokoroTTS pequeno de 82M com qualidade impressionante
whisper.cppWhisper em C/C++ puro, roda em qualquer lugar
OpenVoiceClone uma voz e controle sua emoção
StyleTTS 2Síntese de fala em nível humano
pyannote.audioSaiba quem falou quandoSilero VAD é gratuito e de código aberto (licença MIT), então você pode usar, auto-hospedar e modificar sem custo.
Sim. Silero VAD é projetado para rodar na sua própria máquina ou servidor, mantendo seus dados privados.
Alternativas populares de código aberto incluem Whisper, faster-whisper, WhisperX. Veja as comparações acima para escolher.
Navegue pelo diretório completo de ferramentas, modelos e projetos de IA de código aberto — atualizado diariamente.
Navegue por todas as ferramentas →