Характеристики

Лицензия: MIT
Библиотека: mlx
Опубликована: 30 сен 2026

Ссылки

redimnet2-b1-vox2-lm-mlx

Классификация аудиоАудио → label3 профессии

ReDimNet2 B1 для MLX преобразует монофоническую речь 16 кГц в 192-мерные эмбеддинги для сравнения и верификации дикторов.

25скачиваний 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 B1 — преобразованная для MLX версия официального чекпойнта b1-vox2-lm.pt, подготовленная для проверки и сравнения голосов. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и формирует вектор эмбеддинга диктора размерностью 192; карточка описывает её как версию с дообучением large-margin, рекомендованную авторами исходного чекпойнта.

Модель предназначена для получения признаков голоса, которые можно использовать в системах верификации диктора и сравнения речевых записей. По данным карточки, эмбеддинги MLX совпадают с результатами PyTorch с относительной ошибкой до 3,4 × 10⁻⁶ в худшем случае на CPU при float32. Репозиторий содержит веса safetensors; лицензия — MIT. В карточке не указаны ограничения по языкам или известные ограничения качества.

Сценарии применения

получение голосового эмбеддинга из записи речи
сравнение двух речевых записей по голосу
верификация личности диктора по голосу
извлечение признаков голоса для системы распознавания дикторов

Ограничения

Для входа требуется монофоническое аудио с частотой 16 кГц. Карточка не приводит результатов оценки качества на конкретных языках или условиях записи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ReDimNet2 B1 (VoxCeleb2-dev, lm) for MLX

MLX conversion of the official ReDimNet2 b1-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-b1-vox2-lm-mlx")
emb = model(mx.array(wav_16k_float32)[None])  # (1, 192)

Parity

Embeddings match the PyTorch reference to 3.4e-06 relative error (worst case, float32, MLX CPU backend). See the parity log.

License and citation

@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: ca581b5