/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
speechbrain
Опубликована
4 июн 2026

resepformer-librimix2spk

Обработка аудиоАудио → аудио

RE-SepFormer разделяет запись с двумя одновременно говорящими людьми на отдельные речевые дорожки.

145скачиваний за 30 дней1лайквеса обновлены8 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

RE-SepFormer — модель разделения речи, разработанная Jahmori Richardson и обученная на наборе Libri2Mix. Она принимает аудиозапись с двумя одновременно говорящими людьми и выделяет из смеси две отдельные речевые дорожки. Модель построена на архитектуре Resource-Efficient Separation Transformer и предназначена для разделения перекрывающейся английской речи.

Модель подходит для подготовки отдельных дорожек собеседников из смешанных записей. В README приведены средние результаты 15,8 dB SI-SNRi и 16,1 dB SDRi. Качество может снижаться при сильном фоновом шуме, реверберации или числе говорящих, отличном от двух; модель не предназначена для разделения неречевых звуков, музыки и сложного шума. Лицензия — Apache 2.0.

Сценарии применения

  • разделение двух перекрывающихся голосов в аудиозаписи
  • выделение отдельных собеседников из смешанной записи
  • подготовка дорожек участников разговора для последующей обработки

Ограничения

Качество может снижаться при сильном фоновом шуме, реверберации или количестве говорящих, отличном от двух. Модель не предназначена для неречевых звуков, музыки и сложного шума.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RE-SepFormer trained on Libri2Mix dataset

This model custom-trained Resource-Efficient Separation Transformer (RE-SepFormer) was designed to separate overlapping speech from audio mixtures into two separate sources.

Model Details

  • Developed by: Jahmori Richardson
  • Model type: Audio Source Separation (Deep Learning)
  • Language(s) (NLP): English
  • License: Apache 2.0

Model Sources [optional]

Uses

Isolating individual speakers from mixed audio files containing overlapping speech.

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

It is not intended for non-speech audio separation or audio with heavy music/complex noise.

Bias, Risks, and Limitations

Model performance may vary with audio inputs that contain high amounts of background, reverberation, or more than required speakers that the model was designed for.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

Mean SI-SNRi (dB)​Mean SDRi​ (dB)
15.816.1

[More Information Needed]

Training Procedure

Training Hyperparameters

  • Training regime: fp32 mixed precision

Как запустить

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

GPU в ailist

Универсальный рантайм · speechbrain

Нельзя запустить

Модели SpeechBrain требуют отдельного рантайма.

Ревизия весов
e81fb61

0 моделей