/ Модель

Характеристики

Размер весов
28 МБ
Лицензия
Apache 2.0
Библиотека
funasr
Опубликована
1 фев 2024

campplus

Классификация аудиоАудио → label5 профессий

CAM++ от FunASR извлекает голосовые эмбеддинги для проверки личности говорящего и диаризации аудиозаписей.

1 884скачиваний за 30 дней26лайковвеса обновлены19 июн 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

CAM++ — модель извлечения голосовых эмбеддингов из аудио, разработанная командой FunASR. Она предназначена для верификации говорящего: определения, принадлежат ли записи одному человеку, и для диаризации — распознавания, кто и когда говорил в аудиозаписи. Её можно подключить к конвейеру FunASR через параметр spk_model, например для присвоения меток говорящих сегментам речи в записи встречи.

Модель использует архитектуру CAM++ (Class-Aware Multi-scale), выдаёт эмбеддинги размерностью 192 и рассчитана на аудио с частотой дискретизации 16 кГц. Репозиторий поддерживает FunASR; в карточке указаны китайский и английский языки. Модель распространяется по лицензии Apache-2.0. Карточка описывает извлечение эмбеддингов и применение для верификации и диаризации, но не приводит оценок качества или условий работы с шумной и многоканальной записью.

Сценарии применения

  • проверка, принадлежат ли две голосовые записи одному человеку
  • разметка реплик разных говорящих в записи встречи
  • диаризация речи в составе конвейера FunASR
  • извлечение голосовых эмбеддингов для сравнения записей

Ограничения

Модель предназначена для анализа говорящих, а не для распознавания содержания речи. В карточке не приведены количественные оценки качества и результаты для разных акустических условий.

Для каких профессий подходит5

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

⭐ Powered by FunASR — please give us a GitHub Star!

This model is part of the FunASR ecosystem — one industrial-grade open-source toolkit for ASR · VAD · punctuation · speaker diarization · emotion / event · LLM-ASR. A Star really helps the project (and keeps you updated):

🌟 FunASR · 🌟 SenseVoice · 🌟 Fun-ASR · 🌟 FunClip

CAM++

Speaker Verification & Diarization — identify and distinguish speakers in audio.

CAM++ is a speaker embedding model used for speaker verification (is this the same person?) and speaker diarization (who spoke when?).

Quick Start

from funasr import AutoModel

# Speaker diarization as part of ASR pipeline
model = AutoModel(
    model="funasr/paraformer-zh",
    hub="hf",
    vad_model="funasr/fsmn-vad",
    punc_model="funasr/ct-punc",
    spk_model="funasr/campplus",
    device="cuda",
)
result = model.generate(input="meeting.wav")
# Each sentence has a speaker label
for sentence in result[0]["sentence_info"]:
    print(f"[Speaker {sentence['spk']}] {sentence['text']}")

Features

  • Speaker embedding extraction
  • Speaker verification (same/different speaker)
  • Speaker diarization (multi-speaker segmentation)
  • Works with FunASR pipeline via spk_model parameter

Model Details

PropertyValue
ArchitectureCAM++ (Class-Aware Multi-scale)
Embedding Dim192
Sample Rate16kHz

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · funasr

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
e4b6ede

0 моделей