Struct Vad 

pub struct Vad { /* private fields */ }

ストリーミング VAD。1 インスタンスが ONNX Session を 1 つ持つ（共有しない）。

任意長の &[f32] を Vad::process に流すと、内部で frame (16k=512) 単位に束ねて silero 推論し、セグメント状態機械を回して確定したイベントを返す。

Implementations

impl Vad

pub fn new(config: VadConfig) -> Result<Vad, VadError>

埋め込みモデルをロードして VAD を構築する。

Examples found in repository

examples/probe.rs (line 22)

fn main() {
    // 決定的入力: 440Hz サイン振幅 0.5。
    let n = 16000usize;
    let mut samples = Vec::with_capacity(n);
    for i in 0..n {
        let v = 0.5f32 * (2.0f32 * std::f32::consts::PI * 440.0 * (i as f32) / 16000.0).sin();
        samples.push(v);
    }

    let mut vad = Vad::new(VadConfig::default()).expect("model load");
    // 一括投入。内部で 512 窓に束ねて推論し、生確率を取り出す。
    vad.process(&samples);
    let probs = vad.last_frame_probabilities();

    for p in probs.iter().take(10) {
        println!("{p:.6}");
    }
}

pub fn process(&mut self, samples: &[f32]) -> Vec<VadEvent>

任意長の f32 サンプルを処理し、確定した VadEvent を返す。

内部で frame_size 単位に束ね、満たないサンプルは次回まで保持する。サンプル位置は 呼び出しをまたいで連続する（累積）。

Examples found in repository

examples/probe.rs (line 24)

fn main() {
    // 決定的入力: 440Hz サイン振幅 0.5。
    let n = 16000usize;
    let mut samples = Vec::with_capacity(n);
    for i in 0..n {
        let v = 0.5f32 * (2.0f32 * std::f32::consts::PI * 440.0 * (i as f32) / 16000.0).sin();
        samples.push(v);
    }

    let mut vad = Vad::new(VadConfig::default()).expect("model load");
    // 一括投入。内部で 512 窓に束ねて推論し、生確率を取り出す。
    vad.process(&samples);
    let probs = vad.last_frame_probabilities();

    for p in probs.iter().take(10) {
        println!("{p:.6}");
    }
}

pub fn process_pcm( &mut self, samples: &[f32], input_sample_rate: u32, input_channels: u16, ) -> Vec<VadEvent>

録音チャンクをそのまま渡せる自己完結の入口。任意フォーマット（input_sample_rate / input_channels の interleaved f32）を内部で mono 化・VAD レートへリサンプルしてから Vad::process と同じ経路にかける。

各言語バインディングが録音チャンク（例 48k/stereo）を変換せずそのまま流せるようにする のが狙い。samples は interleaved で、長さは input_channels の倍数を想定する （端数フレームは次回まで内部に持ち越すので、任意の位置で分割して渡してよい）。

入力が既に VAD レート（VadConfig::sample_rate）の mono なら、mono 化もリサンプル もせず Vad::process へそのまま渡す（追加コストなし）。それ以外は各チャンネルの 平均で mono 化し、rubato でリサンプルする。リサンプラは呼び出しをまたいで状態を持つ ので、連続ストリームでも継ぎ目は出ない。

返す VadEvent の at_sample は VAD 内部レート（config().sample_rate＝16000 か 8000）のサンプル基準で、入力サンプル基準ではない（リサンプル後の内部位置の累積）。 Vad::process と揃えてあるので両者を混ぜても位置は連続する。秒に直すなら at_sample as f64 / config().sample_rate as f64、入力サンプル位置の目安が要るなら at_sample * input_sample_rate / config().sample_rate で近似できる。

リサンプラの構築や実行に失敗した場合（極端なレート比など）は、その呼び出し分を捨てて 空のイベント列を返す（取り込みを panic で止めない。Vad::process が推論失敗を無音に 倒すのと同じ方針）。

pub fn last_frame_probabilities(&self) -> &[f32]

直近 Vad::process で計算した各フレームの生発話確率を返す。

セグメントイベントとは独立した第二の出力。

Examples found in repository

examples/probe.rs (line 25)

fn main() {
    // 決定的入力: 440Hz サイン振幅 0.5。
    let n = 16000usize;
    let mut samples = Vec::with_capacity(n);
    for i in 0..n {
        let v = 0.5f32 * (2.0f32 * std::f32::consts::PI * 440.0 * (i as f32) / 16000.0).sin();
        samples.push(v);
    }

    let mut vad = Vad::new(VadConfig::default()).expect("model load");
    // 一括投入。内部で 512 窓に束ねて推論し、生確率を取り出す。
    vad.process(&samples);
    let probs = vad.last_frame_probabilities();

    for p in probs.iter().take(10) {
        println!("{p:.6}");
    }
}

pub fn reset(&mut self)

state / context / 状態機械 / サンプル位置 / 端数バッファ / リサンプラ状態を すべて初期化する。

pub fn config(&self) -> &VadConfig

現在の設定への参照。