开源协议: mit 数据集:

• CuriousMonkey7/HumSpeechBlend 语言:
• 英文 基础模型:
• freddyaboulton/silero-vad 任务标签: 语音活动检测 标签:
• 语音活动检测
• 语音
• 音频
• 语音活动检测
• silero-vad

开发中

[WIP]HumAware-VAD：哼唱感知语音活动检测

📌 概述

HumAware-VAD 是基于 Silero-VAD 模型微调的版本，专门用于区分哼唱与真实语音。标准语音活动检测（VAD）模型（包括Silero-VAD）常将哼唱误判为语音，导致语音分割不准确。HumAware-VAD通过使用自定义数据集（HumSpeechBlend）来提升在哼唱存在时的语音检测准确率。

🎯 目标

HumAware-VAD 的主要目标是：

• 减少哼唱被误判为语音的假阳性情况。
• 提升实际应用中的语音分割准确度。
• 提高涉及音乐、背景噪音和人声任务的VAD性能。

🗂️ 模型详情

• 基础模型: Silero-VAD
• 微调数据集: HumSpeechBlend
• 格式: JIT (TorchScript)
• 框架: PyTorch
• 推理速度: 实时

📥 下载与使用

🔹 安装依赖

pip install torch torchaudio

🔹 加载模型

import torch

def load_humaware_vad(model_path="humaware_vad.jit"):
    model = torch.jit.load(model_path)
    model.eval()
    return model

vad_model = load_humaware_vad()

🔹 运行推理

import torchaudio

waveform, sample_rate = torchaudio.load("data/0000.wav")
out = vad_model(waveform)
print("VAD输出:", out)

📄 引用

如果使用此模型，请按以下方式引用。

@model{HumAwareVAD2025,
  author = {Sourabh Saini},
  title = {HumAware-VAD: 哼唱感知语音活动检测},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/CuriousMonkey7/HumAware-VAD}
}