/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
speechbrain-ecapa-voxlingua107-language-id · dense
Базовая модель
lang-id-voxlingua107-ecapa
Библиотека
mlx
Опубликована
9 авг 2026

SpeechBrain-ECAPA-VoxLingua107-21M-MLX

Классификация аудиоАудио → label6 профессий

Модель MLX на базе SpeechBrain ECAPA-TDNN определяет язык устной речи среди 107 классов на устройствах Apple Silicon.

48скачиваний за 30 дней1лайквеса 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-VoxLingua107-21M-MLX — экспорт модели SpeechBrain `lang-id-voxlingua107-ecapa`, подготовленный для нативного запуска через MLX на Apple Silicon. Это модель на архитектуре ECAPA-TDNN с классификатором на 107 меток разговорных языков; содержит 21,25 млн параметров, веса в формате Safetensors с точностью FLOAT16. На вход принимает аудиофрагмент речи и ранжирует языковые метки по вероятности.

Модель предназначена для автоматического определения языка устной речи, например, в аудиозаписях и голосовых приложениях. Экспорт включает нормализацию по среднему значению на уровне предложения и воспроизводимый log-mel фронтенд; README сообщает о совпадении выходов экспорта с реализацией SpeechBrain при валидации. Модель опубликована под лицензией Apache-2.0.

Это классификатор с закрытым набором классов, а не детектор неизвестного языка. Указанная для исходной модели ошибка 6,7% получена на небольшом наборе разработки из 33 языков и не является полной оценкой по всем 107 классам. Качество следует проверять на целевых языках, акцентах, устройствах записи, уровнях шума и коротких репликах.

Сценарии применения

  • определение языка в аудиозаписях
  • выбор языка для последующей транскрибации
  • маршрутизация голосовых запросов по языку
  • ранжирование вероятных языков для речевого фрагмента

Ограничения

Классификатор выбирает только среди 107 заданных языковых меток и не распознаёт неизвестный модели язык. Оценка ошибки 6,7% относится к небольшому набору разработки из 33 языков, поэтому качество на целевых аудиоданных нужно оценивать отдельно.

Для каких профессий подходит6

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

SpeechBrain ECAPA VoxLingua107 MLX

This is a pinned, validated MLX export of speechbrain/lang-id-voxlingua107-ecapa for native Apple Silicon inference. It ranks 107 spoken-language labels.

Model

PropertyValue
Parameters21.25 million
WeightsSafetensors, FLOAT16
Weight size40.6 MiB
InputSpeechBrain log-mel [1, frames, 60]
Sample rate16 kHz
Output107 log probabilities

The runtime contract includes sentence-level mean normalization. The exporter compares an independent periodic-Hamming, symmetric-filter frontend with the official SpeechBrain implementation before accepting the weights.

Files

FileDescription
model.safetensorsMLX-layout ECAPA and classifier weights
mlx_model.pyNative MLX ECAPA graph
frontend.pyReproducible SpeechBrain log-mel frontend
labels.jsonStable upstream index, code, and name mapping
config.jsonArchitecture, frontend, revisions, 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 cosine1.000000
Maximum absolute error0.008958
Warm local inference5.3 ms

The upstream card reports 6.7% error on a small 33-language development subset, not a complete test over all 107 labels. Product evaluation should use the intended languages, accents, microphones, noise, and short-utterance mix.

Standalone MLX

import json
import mlx.core as mx
import soundfile as sf

from frontend import compute_fbank
from mlx_model import LanguageIDModel

audio, sample_rate = sf.read("recording.wav", dtype="float32")
assert sample_rate == 16000 and audio.ndim == 1
features = compute_fbank(audio, 60)[None, :, :]
model = LanguageIDModel()
model.load_weights(list(mx.load("model.safetensors").items()), strict=True)
log_probabilities = model(mx.array(features))
mx.eval(log_probabilities)
labels = json.load(open("labels.json", encoding="utf-8"))
best = int(mx.argmax(log_probabilities, axis=-1).item())
print(labels[best], float(mx.exp(log_probabilities[0, best]).item()))

speech-swift

speech language-id recording.wav --top 5

This is a closed-set classifier and is not an unknown-language detector. Keep the original class indexes; normalized aliases belong in application output, not in the model head.

Source

Converted from the official SpeechBrain checkpoint at revision 0253049ae131d6a4be1c4f0d8b0ff483a0f8c8e9. Source and checkpoint hashes are 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
2b65295

0 моделей