/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
speechbrain-ecapa-voxceleb-speaker · dense
Базовая модель
spkrec-ecapa-voxceleb
Библиотека
mlx
Опубликована
9 авг 2026

SpeechBrain-ECAPA-VoxCeleb-20M-MLX

ЭмбеддингиТекст → embedding3 профессии

MLX-экспорт SpeechBrain ECAPA-TDNN извлекает голосовые эмбеддинги для сравнения и верификации говорящих на Apple Silicon.

23скачиваний за 30 дней0лайковвеса обновлены9 авг 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

SpeechBrain ECAPA VoxCeleb MLX — конвертированный экспорт весов SpeechBrain ECAPA-TDNN для локального запуска на Apple Silicon через MLX. Модель содержит около 20,77 млн параметров и выдаёт 192-мерный L2-нормализованный вектор голоса, пригодный для сравнения по косинусному сходству.

Она предназначена для извлечения голосовых признаков и сравнения говорящих: например, проверки, принадлежат ли две аудиозаписи одному человеку. Экспорт включает MLX-граф ECAPA и воспроизводимый log-mel фронтенд. В README приведена проверка близости выходов к PyTorch-версии, но указанный EER 0,80% относится к исходной модели на очищенном VoxCeleb1 и не подтверждает качество этого экспорта на новых данных.

Модель принимает аудио и возвращает векторные эмбеддинги. В метаданных указан английский язык. Лицензия — Apache-2.0; веса в формате Safetensors представлены в FLOAT16. Экспорт рассчитан на Apple Silicon и MLX.

Сценарии применения

  • сравнение голосов в двух аудиозаписях
  • верификация личности говорящего по голосу
  • поиск записей одного говорящего в коллекции аудио

Ограничения

Экспорт предназначен для запуска через MLX на Apple Silicon. Показатель EER 0,80% относится к исходной модели на очищенном наборе VoxCeleb1; README рекомендует отдельно оценить экспорт на VoxCeleb1-O перед настройкой производственных порогов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SpeechBrain ECAPA VoxCeleb MLX

This is a reproducible MLX weight export of speechbrain/spkrec-ecapa-voxceleb for native Apple Silicon inference. It produces a 192-dimensional, L2-normalized voice embedding for cosine-similarity speaker comparison.

Model

PropertyValue
Parameters20.77 million
WeightsSafetensors, FLOAT16
Weight size39.7 MiB
InputSpeechBrain log-mel [1, frames, 80]
Sample rate16 kHz
Output192-dimensional L2-normalized embedding

Files

FileDescription
model.safetensorsMLX-layout ECAPA weights
mlx_model.pyNative MLX ECAPA graph
frontend.pyReproducible SpeechBrain log-mel frontend
config.jsonArchitecture, frontend, source revision, and checksums
artifact_manifest.jsonSHA-256 and size of every artifact file
validation.jsonPyTorch/MLX parity and local latency measurements
requirements.txtPinned standalone runtime dependencies
LICENSEApache 2.0 license

Validation

CheckResult
Minimum PyTorch/MLX output cosine0.999999
Maximum absolute error0.000372
Warm local inference5.2 ms

The source model reports 0.80% equal-error rate on cleaned VoxCeleb1. Run a fresh VoxCeleb1-O evaluation before treating that upstream score as conversion parity or changing a production threshold.

Usage

import mlx.core as mx
import soundfile as sf

from frontend import compute_fbank
from mlx_model import SpeakerModel

audio, sample_rate = sf.read("voice.wav", dtype="float32")
assert sample_rate == 16000 and audio.ndim == 1
features = compute_fbank(audio, 80)[None, :, :]
model = SpeakerModel()
model.load_weights(list(mx.load("model.safetensors").items()), strict=True)
embedding = model(mx.array(features))
mx.eval(embedding)
print(embedding.shape, float(mx.linalg.norm(embedding).item()))

The exact frontend contract is in config.json. Speaker embeddings are not secure authentication and should not be used alone for access control.

Source

Converted from the official SpeechBrain checkpoint at revision 0f99f2d0ebe89ac095bcc5903c4dd8f72b367286. The original checkpoint and graph revisions are pinned in config.json.

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
e749e6e

0 моделей