Bigstones

Silero

4 min read

개요

Silero는 경량 오픈소스 음성 AI 모델 시리즈로, 특히 Silero VAD(Voice Activity Detection)가 음성 에이전트 생태계에서 사실상 표준으로 사용됩니다. 1MB 미만의 초경량 모델로 로컬 실행이 가능하며, ONNX 포맷으로 다양한 환경에서 구동됩니다.

제품 라인업

Silero VAD — 핵심 제품

항목사양
역할Voice Activity Detection (음성 활동 감지)
모델 크기< 1MB
포맷ONNX, PyTorch, TFLite
지연~1ms (CPU에서)
정확도WebRTC VAD 대비 우수
라이선스MIT

기능:

  • 16kHz/8kHz 오디오 지원
  • 프레임 단위(30~100ms) 음성/비음성 판별
  • 음성 시작/종료 타임스탬프 제공
  • 배치 처리 및 실시간 스트리밍 모두 지원
  • 노이즈 환경에서도 높은 정확도

사용법:

import torch
 
# VAD 모델 로드
model, utils = torch.hub.load(
    repo_or_dir='snakers4/silero-vad',
    model='silero_vad'
)
(get_speech_timestamps, _, read_audio, _, _) = utils
 
# 오디오에서 음성 구간 추출
wav = read_audio('audio.wav', sampling_rate=16000)
speech_timestamps = get_speech_timestamps(wav, model, sampling_rate=16000)
 
for ts in speech_timestamps:
    print(f"음성 구간: {ts['start']/16000:.2f}s ~ {ts['end']/16000:.2f}s")

실시간 스트리밍:

# 실시간 VAD
window_size = 512  # 16kHz 기준 32ms
for i in range(0, len(wav), window_size):
    chunk = wav[i:i+window_size]
    speech_prob = model(chunk, 16000).item()
    if speech_prob > 0.5:
        print(f"음성 감지 (확률: {speech_prob:.2f})")

Silero STT

항목사양
역할Speech-to-Text (음성 인식)
지원 언어영어, 독일어, 스페인어 등
특징경량, 로컬 실행, CTC 기반
  • Whisper보다 가볍고 빠르지만 정확도는 다소 낮음
  • 엣지 디바이스/임베디드 환경에 적합

Silero TTS

항목사양
역할Text-to-Speech (음성 합성)
지원 언어영어, 러시아어, 독일어 등
모델 크기~65MB
특징SSML 지원, 다중 화자
import torch
 
model, _ = torch.hub.load(
    repo_or_dir='snakers4/silero-models',
    model='silero_tts',
    language='en',
    speaker='v3_en'
)
 
audio = model.apply_tts(text="Hello world", speaker='en_0', sample_rate=48000)
  • ElevenLabs/OpenAI TTS 대비 품질은 낮지만 무료 + 로컬 실행
  • 인터넷 없는 환경, 프라이버시 중요한 경우에 적합

Silero VAD vs WebRTC VAD

항목Silero VADWebRTC VAD
방식딥러닝 (DNN)에너지 기반 + GMM
모델 크기< 1MB< 100KB
정확도높음중간
노이즈 내성강함약함
CPU 사용량낮음최저
언어Python, ONNXC, Python 래퍼
실시간OO

→ 대부분의 경우 Silero VAD 권장 (정확도 우위, 여전히 충분히 경량)

활용 사례

용도설명
음성 에이전트 전처리STT 전에 음성 구간만 추출 → 비용/지연 절감
회의 녹음발화 구간 추출, 무음 구간 스킵
스트리밍 서비스실시간 자막 생성 시 음성 감지
콜센터고객 발화 감지, 턴테이킹 관리
IoT/엣지라즈베리파이 등에서 로컬 VAD
Whisper 전처리긴 오디오에서 음성 구간만 Whisper에 전달

관련 항목

Graph View

Backlinks