/ Модель

Характеристики

Лицензия
MIT
Базовая модель
silero-lang-classifier-95
Опубликована
12 апр 2026

silero-lid-lang95-GGUF

Классификация аудиоАудио → label6 профессий

Компактный классификатор Silero определяет язык речи по аудио и может выбирать язык для последующего распознавания в CrispASR.

488скачиваний за 30 дней2лайкавеса 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

Это конверсия классификатора языков речи Silero в формат GGUF для использования с CrispASR. Модель принимает монофонический PCM-аудиосигнал с частотой 16 кГц и выдаёт логарифмические вероятности для 95 языков и 58 языковых групп. В архитектуре используются обучаемый STFT-фронтенд, свёрточный энкодер в стиле MobileNet с трансформерными блоками и пулинг с весами внимания; модель содержит около 4 млн параметров.

Модель подходит для определения языка речи в аудиозаписи и для автоматического выбора языка перед распознаванием речи в CrispASR, в том числе с бэкендами без встроенной идентификации языка. Наилучшие результаты указаны для фрагментов речи длительностью примерно 3–20 секунд. Конверсия выполнена из ONNX-модели snakers4/silero-lang-classifier-95; обучения или изменения возможностей не проводилось. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • определение языка в короткой аудиозаписи речи
  • автоматический выбор языка перед распознаванием речи
  • классификация речи по одному из 95 языков
  • определение языковой группы аудиофрагмента

Ограничения

Наилучшие результаты достигаются на фрагментах речи длительностью около 3–20 секунд. По README, варианты Q8_0 и Q5_0 ухудшают точность; доступная сборка F32 занимает около 16 МБ.

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

Silero Language Classifier 95 — GGUF

GGUF conversion of Silero's 95-language classifier for use with CrispASR.

Model Details

  • Architecture: Learned STFT frontend + 8-stage MobileNet-style depthwise-separable conv encoder with interleaved post-norm transformers + attention-weighted pooling + 95-language / 58-group classifiers
  • Parameters: 507 tensors, ~4M parameters
  • Input: Raw 16 kHz mono PCM audio (best results on clips < 20 seconds)
  • Output: 95-language log-probabilities + 58-language-group log-probabilities
  • License: MIT (same as upstream Silero)

Files

FileTypeSizeNotes
silero-lid-lang95-f32.ggufF3216 MBFull precision, recommended

Quantized versions (Q8_0, Q5_0) were tested but break accuracy — the model is dominated by small Conv1d kernels where block quantization is destructive. At 16 MB F32, the model is already very small.

Usage with CrispASR

# Language detection pre-step for backends without native LID
crispasr --backend cohere -m cohere-transcribe-q5_0.gguf \
         -f audio.wav -l auto \
         --lid-backend silero --lid-model silero-lid-lang95-f32.gguf

# Standalone detection (via the C API)
silero_lid_context * ctx = silero_lid_init("silero-lid-lang95-f32.gguf", 4);
float conf;
const char * lang = silero_lid_detect(ctx, samples, n_samples, &conf);
// lang = "en, English"
silero_lid_free(ctx);

Supported Languages (95)

The model supports 95 languages across 58 language groups. Language detection works best on audio clips between 3-20 seconds of speech.

Conversion

Converted from the ONNX export (lang_classifier_95.onnx) using models/convert-silero-lid-to-gguf.py from the CrispASR repo.

Acknowledgements

Provenance and EU AI Act Art. 53 note

  • Upstream model: snakers4/silero-lang-classifier-95.
  • 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). 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

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
78fb931

0 моделей