/ Модель

Характеристики

Лицензия
MIT
Библиотека
mlx
Опубликована
30 сен 2026

redimnet2-b0-vox2-lm-mlx

Классификация аудиоАудио → label4 профессии

ReDimNet2 B0 для MLX преобразует речь в 192-мерные эмбеддинги для сравнения голосов и верификации говорящего.

19скачиваний за 30 дней0лайковвеса обновлены30 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

ReDimNet2 B0 для MLX — конверсия официального чекпойнта b0-vox2-lm.pt, дообученного с large-margin на VoxCeleb2-dev. Модель принимает монофоническое аудио с частотой 16 кГц и выдаёт голосовой эмбеддинг размером 192 измерения, который можно использовать для сравнения голосов и проверки личности говорящего.

Версия предназначена для запуска с библиотекой MLX. В README указано, что эмбеддинги совпадают с PyTorch-реализацией с относительной ошибкой не более 2,9×10⁻⁶ в описанном тесте на CPU в float32. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • проверка, принадлежит ли запись заданному говорящему
  • сравнение голосов в двух аудиозаписях
  • извлечение голосовых эмбеддингов для поиска похожих голосов

Ограничения

Принимает монофоническое аудио с частотой 16 кГц и выдаёт эмбеддинги, а не текстовую расшифровку или метку личности. В источниках не приведены оценки качества на независимых тестах.

Для каких профессий подходит4

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

ReDimNet2 B0 (VoxCeleb2-dev, lm) for MLX

MLX conversion of the official ReDimNet2 b0-vox2-lm.pt checkpoint (large-margin fine-tuned (recommended)). It produces 192-dimensional speaker embeddings from 16 kHz mono audio.

Usage

uv add git+https://github.com/avra-m3/speaker-embedding-mlx
import mlx.core as mx
from redimnet2_mlx import load_model

model = load_model("causal/redimnet2-b0-vox2-lm-mlx")
emb = model(mx.array(wav_16k_float32)[None])  # (1, 192)

Parity

Embeddings match the PyTorch reference to 2.9e-06 relative error (worst case, float32, MLX CPU backend). See the parity log.

License and citation

MIT, following the upstream ReDimNet2 release (Copyright (c) 2026 Palabra.ai). See third-party notices.

@inproceedings{redimnet2_2026,
  title={ReDimNet2: Scaling Speaker Verification via Time-Pooled Dimension Reshaping},
  author={Yakovlev, Ivan and Okhotnikov, Anton},
  booktitle={Proceedings of Interspeech 2026},
  year={2026},
  eprint={2603.11841},
  archivePrefix={arXiv},
}

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
81dfdb2

0 моделей