/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
streaming_sortformer_v2_1 · dense
Базовая модель
diar_streaming_sortformer_4spk-v2.1
Опубликована
12 сен 2026

diar_streaming_sortformer_4spk-v2.1

Классификация аудиоАудио → label5 профессий

Форматная конверсия потоковой модели NVIDIA Sortformer для диаризации аудио с определением до четырёх говорящих.

19скачиваний за 30 дней0лайковвеса обновлены12 сен 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

MigoXV опубликовал конверсию весов NVIDIA Streaming Sortformer v2.1 в формат safetensors для загрузки нативным PyTorch-загрузчиком проекта sortformer-dia. Потоковая модель выполняет диаризацию аудио: определяет до четырёх говорящих и размечает их реплики по ходу поступления сигнала. Транскрипцию речи модель не выполняет.

В репозитории сохранены исходные 990 тензоров и конфигурация, необходимая для архитектуры и потоковых параметров. Для запуска нужны реализация модели и среда проекта sortformer-dia; наличие safetensors само по себе не обеспечивает совместимость с Transformers AutoModel. README сообщает, что CUDA может использовать Triton-ядра проекта, а поддержка NPU не проверена. Используются веса NVIDIA по лицензии NVIDIA Open Model License; эта публикация не является официальным выпуском NVIDIA.

Сценарии применения

  • потоковое определение говорящих в аудиозаписи
  • разметка реплик нескольких участников разговора
  • диаризация телефонных и онлайн-разговоров

Ограничения

Модель не транскрибирует речь и требует реализации загрузчика из проекта sortformer-dia; она не подключается напрямую через Transformers AutoModel. Поддержка NPU не проверена.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Streaming Sortformer v2.1(safetensors)

本仓库将 NVIDIA 的 diar_streaming_sortformer_4spk-v2.1 官方权重转换为 safetensors,未微调、未量化。支持流式说话人分离,最多 4 位说话人,不包含语音转写。

model.safetensors 包含原始的 990 个张量;config.json 包含原生 PyTorch 实现所需的架构与流式参数;source.json 记录来源版本和原始归档 SHA-256。仓库不包含 .nemo 或 pickle 权重。

使用

hf download MigoXV/diar_streaming_sortformer_4spk-v2.1 --local-dir /path/to/model
# 在 sortformer-dia 项目环境中运行:
poetry run sortformer-dia serve --model /path/to/model --device cpu --dtype float32

本仓库供 sortformer-dia 的原生 PyTorch 加载器使用,模型实现代码不包含在本仓库中。safetensors 是张量存储格式,不代表 Transformers 的 AutoModel 已实现此架构。运行不需要 NeMo;CUDA 下可使用该项目保留的 Triton 内核。NPU 尚未验证。

来源与许可证

原始模型:NVIDIA Streaming Sortformer v2.1。权重沿用 NVIDIA Open Model License,完整协议见 LICENSE.pdf,归属声明见 NOTICE。本仓库为格式转换版本,并非 NVIDIA 官方发布。

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура streaming_sortformer_v2_1 неизвестна transformers в образе рантайма.

Ревизия весов
66ea340

0 моделей