/ Модель

Характеристики

Лицензия
MIT
Опубликована
8 июн 2026

voice-gender-classifier

Классификация аудиоАудио → label3 профессии

Производная модели JaesungHuh/voice-gender-classifier. Классификатор JaesungHuh определяет категорию пола по аудиозаписи человеческого голоса.

384скачиваний за 30 дней0лайковвеса обновлены8 июн 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

Карточка модели binant/voice-gender-classifier на Hugging Face совпадает с карточкой JaesungHuh/voice-gender-classifier, поэтому описание составлено по ней.

JaesungHuh разработал классификатор пола по человеческому голосу. Модель принимает аудио и относит голос к категориям пола; для запуска доступны предварительно обученные веса и демонстрация на Hugging Face. В метаданных указаны задача audio-classification, формат safetensors и обучающий датасет VoxCeleb.

Модель подходит для автоматической классификации голосовых записей в приложениях и исследовательских прототипах. Она выпущена по лицензии MIT. Представленность VoxCeleb может не соответствовать населению мира, поэтому предсказания могут быть смещены для отдельных групп и условий записи.

Сценарии применения

  • классификация пола говорящего по голосовой записи
  • анализ голосовых данных в исследовательских проектах
  • добавление классификации голоса в аудиоприложение

Ограничения

Обучающий набор VoxCeleb может быть нерепрезентативен для населения мира, поэтому возможны смещения для отдельных групп и условий записи. README не приводит метрик качества или подробностей об архитектуре.

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

Voice gender classifier

  • This repo contains the inference code to use pretrained human voice gender classifier.
  • You could also try 🤗Huggingface online demo.

Installation

First, clone the original github repository

git clone https://github.com/JaesungHuh/voice-gender-classifier.git

and install the packages via pip.

cd voice-gender-classifier
pip install -r requirements.txt

Usage

import torch

from model import ECAPA_gender

# You could directly download the model from the huggingface model hub
model = ECAPA_gender.from_pretrained("JaesungHuh/voice-gender-classifier")
model.eval()

# If you are using gpu .... 
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

# Load the audio file and use predict function to directly get the output
example_file = "data/00001.wav"
with torch.no_grad():
    output = model.predict(example_file, device=device)
    print("Gender : ", output)

Pretrained weights

For those who need pretrained weights, please download it in here

Training details

State-of-the-art speaker verification model already produces good representation of the speaker's gender.

I used the pretrained ECAPA-TDNN from TaoRuijie's repository, added one linear layer to make two-class classifier, and finetuned the model with the VoxCeleb2 dev set.

The model achieved 98.7% accuracy on the VoxCeleb1 identification test split.

Caveat

I would like to note the training dataset I've used for this model (VoxCeleb) may not represent the global human population. Please be careful of unintended biases when using this model.

Reference

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
006e6e0

0 моделей