silero-vad

一个实验性开源框架，使LLM智能体能够使用本地模型（CLAP、Whisper、Silero VAD）和不断增长的概念记忆来感知并识别非语音音频事件。该系统采用事件门控识别、指纹识别和基于符号的推理，目前尚无正式基准测试。

一个完全离线、仅使用CPU的语音循环，用于本地大模型，采用Silero VAD、Parakeet STT和Supertonic TTS，通过一条命令整合安装。兼容Ollama、LM Studio以及多种代理框架。