/ Модель

Характеристики

Базовая модель
wespeaker-voxceleb-campplus
Библиотека
onnx
Опубликована
3 окт 2026

campplus-gender-classifier

Классификация аудиоАудио → label

Модель на базе WeSpeaker CAM++ оценивает, звучит ли речь как женская или мужская, и возвращает калиброванную уверенность.

12скачиваний за 30 дней0лайковвеса обновлены3 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

campplus-gender-classifier — модель AswanthCManoj для классификации голосовой речи по воспринимаемому звучанию как женской или мужской. Она дообучена на базе WeSpeaker CAM++ для векторизации голоса; обучались несколько внутренних блоков xvector и классификационная голова. Для решения использует несколько речевых фрагментов с частотой дискретизации 16 кГц и выдаёт вероятность женского звучания и калиброванную уверенность.

В проверке на отложенных дикторах при пороге уверенности 0,9 модель отвечала для 86,1% примеров, а доля ошибок среди ответов составляла 1,97%.\n\nМодель предназначена для оценки воспринимаемых характеристик голоса, например как дополнительный сигнал при обработке звонков. Она не определяет гендерную идентичность человека. Обучающие данные включали английскую, хинди и малаяламскую речь; использовались шумовые и телефонные аудиоискажения.

Модель принимает аудио и выдаёт класс и оценку уверенности. Репозиторий содержит ONNX и PyTorch-веса в формате safetensors.\n\nБазовая модель WeSpeaker CAM++ распространяется по лицензии Apache-2.0, однако README указывает, что обучающие наборы данных имеют собственные лицензии; отдельная лицензия этой модели в предоставленных данных не приведена. Точность зависит от порога уверенности и условий записи, а разметка тестовых данных содержит известные ошибки метаданных дикторов, поэтому приведённые показатели ошибок названы верхними оценками.

Сценарии применения

  • классификация воспринимаемого звучания голоса в аудиозаписях
  • отбор голосовых фрагментов по уверенности классификации
  • анализ речи в смоделированных телефонных звонках

Ограничения

Модель оценивает только воспринимаемое звучание голоса и не определяет гендерную идентичность. Показатели зависят от порога уверенности, а тестовая разметка содержит известные ошибки метаданных дикторов; отдельная лицензия этой модели в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

campplus-gender-classifier

Estimates whether a voice sounds female or male from a few turns of 16 kHz speech, with a calibrated confidence meant for gating decisions. It predicts perceived voice characteristics, not a person's gender identity.

  • Base: WeSpeaker CAM++ (VoxCeleb, Apache-2.0); fine-tuned: xvector.block3, xvector.transit3, xvector.out_nonlinear, xvector.dense, head
  • Output: p = sigmoid(mean turn logit / T), T = 0.820; confidence = |2p - 1|
  • Training audio augmented with noise, babble, an opposite-sex interferer, gain/clipping and an 8 kHz mu-law phone path
  • Sources: edacc, kathbath_hi, kathbath_ml, libritts, vctk (speaker-disjoint fit / calibration / test)

Gate on simulated calls (held-out speakers)

confidence >=answers onwrong
0.890.8%2.40%
0.986.1%1.97%
0.9581.0%1.40%
0.9871.7%1.17%

The test labels include known LibriTTS speaker-metadata errors (speakers whose recorded gender is flipped, confirmed by listening), so these error rates are upper bounds. Per-source and per-condition results: metrics.json.

Use

from inference import GenderClassifierModel
model = GenderClassifierModel(".")
model.predict([turn1_int16, turn2_int16])   # -> (p_female, confidence) or None

PyTorch weights for further fine-tuning: model.safetensors, loaded with model.GenderClassifier.from_folder(".").

Training data

LibriTTS-R (gender from parler-tts speaker descriptions), VCTK, EdAcc and Kathbath (Hindi, Malayalam). Each dataset is under its own licence; see its page.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · onnx · audio-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
c094ca1

0 моделей