/ Модель

Характеристики

Лицензия
MIT
Базовая модель
segmentation-3.0
Библиотека
ggml
Опубликована
12 апр 2026

pyannote-v3-segmentation-GGUF

Поиск речи в аудиоАудио → label6 профессий

Конвертированная в GGUF модель pyannote для обнаружения речи, сегментации говорящих и выявления перекрывающейся речи в аудиофрагментах.

260скачиваний за 30 дней1лайквеса обновлены2 авг 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

cstr/pyannote-v3-segmentation-GGUF — это перенос модели сегментации речи pyannote/segmentation-3.0 в формат GGUF. Модель использует архитектуру SincNet, четыре двунаправленных LSTM-слоя и выходной слой Linear с LogSoftmax; веса сохранены в точности F32. Размер файла — 5,7 МБ.

Модель обрабатывает короткие аудиофрагменты и совместно определяет активность речи, сегменты говорящих и перекрывающуюся речь. Её используют как компонент диаризации: последующая кластеризация объединяет сегменты и формирует разметку говорящих для всей записи. Репозиторий описывает интеграцию с CrispASR.

Это конверсия исходного чекпойнта без обучения или изменения архитектуры и возможностей. Модель распространяется по лицензии MIT на условиях исходной модели pyannote; конвертация не предоставляет дополнительных прав.

Сценарии применения

  • обнаружение участков речи в аудиозаписи
  • сегментация аудио по говорящим
  • выявление одновременной речи нескольких говорящих
  • подготовка сегментов для диаризации длинной записи
  • использование сегментации pyannote в приложении CrispASR

Ограничения

Модель предназначена для коротких аудиофрагментов; для диаризации всей записи требуется последующая кластеризация. В README приведена интеграция с CrispASR.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pyannote Segmentation 3.0 — GGUF

Native GGUF port of pyannote/segmentation-3.0 for speaker diarization.

Model details

PropertyValue
ArchitectureSincNet + 4× biLSTM + Linear + LogSoftmax
FormatGGUF (F32)
Size5.7 MB
Tensors41
Output classes7 (powerset mapping → 3 speakers)
Input10 s mono 16 kHz audio frames

The model performs joint voice-activity detection, speaker segmentation, and overlapped-speech detection on short audio chunks. Downstream clustering then produces full-file speaker diarization.

Usage with CrispASR

crispasr \
  --diarize-method pyannote \
  --sherpa-segment-model pyannote-seg-3.0.gguf \
  audio.wav

Provenance

Weights were exported directly from the original PyTorch checkpoint (pyannote/segmentation-3.0) into GGUF format, preserving full F32 precision across all 41 tensors.

License

MIT — same as the original pyannote-audio segmentation-3.0 model.

Provenance and EU AI Act Art. 53 note

  • Upstream model: pyannote/segmentation-3.0 — published by pyannote.
  • Upstream licence: mit. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
  • What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
  • Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
  • Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм · ggml

Нельзя запустить

Задача «voice-activity-detection» пока не поддерживается рантаймом.

Ревизия весов
2b2492e

0 моделей