fasr-vad-firered 0.5.1

FireRedVAD for fasr (bundled fireredvad inference)

fasr-vad-firered

基于 FireRedVAD 的语音活动检测模型插件，为 fasr 提供非流式 VAD 能力。

安装

pip install fasr-vad-firered

注册模型

注册名	类	默认 checkpoint	说明
firered	FireRedForVAD	xukaituo/FireRedVAD	非流式 VAD，基于神经网络的语音段检测

模型权重默认从 ModelScope 自动下载。权重目录需包含 cmvn.ark 和 model.pth.tar。

使用方式

在流水线中使用

from fasr import AudioPipeline

pipeline = (
    AudioPipeline()
    .add_pipe("detector", model="firered")
    .add_pipe("recognizer", model="firered_aed", checkpoint_dir="/path/to/asr-ckpt")
    .add_pipe("sentencizer", model="ct_transformer")
)

单独使用模型

模型实例化时会自动执行 download_checkpoint() + load_checkpoint()：

from fasr.config import registry
from fasr.data import AudioSpan, Waveform

model = registry.vad_models.get("firered")(use_gpu=True, speech_threshold=0.4)

audio = AudioSpan(waveform=Waveform.from_file("example.wav"), start_ms=0)
segments = model.detect(audio)
for seg in segments:
    print(f"{seg.start_ms}ms - {seg.end_ms}ms")

# 使用自定义权重目录（需含 cmvn.ark 与 model.pth.tar）
model.load_checkpoint("/path/to/custom/firered-vad")

运行期 / 会话参数

参数	类型	默认值	说明
checkpoint	str | None	"FireRedTeam/FireRedVAD"	远程 repo_id；非空时实例化会自动下载
cache_dir	str | Path | None	None	缓存目录，None 使用 fasr.utils.get_cache_dir()
endpoint	Literal["modelscope", "huggingface", "hf-mirror"]	"modelscope"	下载端点
use_gpu	bool	False	是否使用 GPU 推理
speech_threshold	float	0.4	语音判定阈值，越小越敏感

依赖

• fasr
• torch >= 2.0.0
• soundfile >= 0.12.0
• kaldiio >= 2.18.0、kaldi-native-fbank >= 1.19.0
• Python 3.10–3.12