Характеристики

Лицензия: MIT
Библиотека: mlx
Опубликована: 30 сен 2026

Ссылки

redimnet2-b3-vox2-lm-mlx

Классификация аудиоАудио → label3 профессии

Конверсия ReDimNet2 B3 для MLX извлекает 192-мерные эмбеддинги говорящих из монофонического аудио для задач сравнения и верификации голоса.

30скачиваний 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 B3 — конверсия официального чекпойнта b3-vox2-lm.pt в формат MLX, подготовленная для запуска на устройствах Apple. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и выдаёт вектор эмбеддинга говорящего размерностью 192; чекпойнт обучен с large-margin fine-tuning и рекомендован автором карточки.

Модель предназначена для получения голосовых представлений, которые можно использовать в системах верификации и сравнения говорящих. В README указано, что эмбеддинги совпадают с PyTorch-реализацией с относительной ошибкой до 4,4×10⁻⁶ в худшем случае при вычислениях float32 на MLX CPU. Репозиторий распространяется по лицензии MIT.

Сценарии применения

верификация личности говорящего по голосу
сравнение голосов в аудиозаписях
извлечение эмбеддингов говорящих для последующей кластеризации
подготовка голосовых векторов для систем идентификации говорящего

Ограничения

Модель рассчитана на монофонический звук с частотой 16 кГц; сведения о качестве на других частотах и условиях записи не приведены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели 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 B3 (VoxCeleb2-dev, lm) for MLX

MLX conversion of the official ReDimNet2 b3-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-b3-vox2-lm-mlx")
emb = model(mx.array(wav_16k_float32)[None])  # (1, 192)

Parity

Embeddings match the PyTorch reference to 4.4e-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: fd49b8b