/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Архитектура
phoneticxeus · dense
Библиотека
transformers
Опубликована
30 мар 2026

PhoneticXeus

Распознавание речиАудио → текст3 профессии

Многоязычная модель ChangelingLab, преобразующая речь в последовательности фонем IPA для фонетической транскрипции и анализа.

6 354скачиваний за 30 дней15лайковвеса 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

PhoneticXeus — многоязычная модель распознавания фонем в речи, разработанная ChangelingLab на основе речевого энкодера XEUS. Она преобразует аудио в последовательность фонетических символов IPA; для пользовательского декодирования модель также возвращает покадровые CTC-логиты по 428 классам. Модель построена на архитектуре PhoneticXeusModel и распространяется в формате safetensors для библиотеки Transformers.

Модель обучена на данных IPAPack++ более чем для 70 языков и подходит для получения фонетической транскрипции речи, в том числе для фонетического анализа и создания IPA-разметки. Карточка предоставляет пример использования через метод transcribe и возможность обращаться к выходам модели напрямую. Лицензия — Apache-2.0. Карточка не приводит ограничений точности или конкретного списка поддерживаемых языков.

Сценарии применения

  • получение IPA-транскрипции аудиозаписи
  • фонетическая разметка речи на разных языках
  • подготовка фонетических данных для лингвистического анализа

Ограничения

Модель выдаёт фонетическую транскрипцию IPA, а не обычный текст. Карточка не указывает точный перечень языков и метрики качества.

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

PhoneticXeus

Multilingual phone recognition that turns speech into IPA phones, built on the XEUS speech encoder. Trained on 70+ languages (IPAPack++).

Usage

pip install torch torchaudio transformers huggingface_hub safetensors soundfile numpy pyyaml typeguard
import torchaudio
from transformers import AutoModel

model = AutoModel.from_pretrained(
    "changelinglab/PhoneticXeus", trust_remote_code=True
).eval()

wav, sr = torchaudio.load("audio.wav")
wav = wav.mean(0)                                    # mono, shape (samples,)
if sr != 16000:
    wav = torchaudio.functional.resample(wav, sr, 16000)

print(model.transcribe(wav, sampling_rate=16000)[0]["processed_transcript"])
# e.g. "aɪhædðætkʰjʊɹiɑsətipɪsaɪd…"

model.transcribe(...) returns a list of dicts with processed_transcript (joined IPA) and predicted_transcript (slash-separated phones). Calling model(input_values) returns frame-level CTC logits (batch, frames, 428) for custom decoding.

Audio must be mono 16 kHz. The first load asks you to allow the repo's remote code (trust_remote_code=True).

Citation

@misc{pxeus26,
      title={An Empirical Recipe for Universal Phone Recognition},
      author={Shikhar Bharadwaj and Chin-Jou Li and Kwanghee Choi and Eunjung Yeo and William Chen and Shinji Watanabe and David R. Mortensen},
      year={2026},
      eprint={2603.29042},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2603.29042},
}

License

CC-by-NC SA 4.0, please note this is an update.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
PhoneticXeusModel
Ревизия весов
ed64f14

0 моделей