/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
lang-id-voxlingua107-ecapa
Библиотека
loom-py-rt
Опубликована
1 окт 2026

ecapa-voxlingua107-loom

Классификация аудиоАудио → label8 профессий

Модель SpeechBrain на ECAPA-TDNN определяет язык устной речи среди 107 языков по аудиоклипу.

22скачиваний за 30 дней0лайковвеса обновлены1 окт 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 модель определения языка устной речи на основе ECAPA-TDNN от SpeechBrain, обученная на VoxLingua107. Репозиторий содержит неизменённые веса исходной модели speechbrain/lang-id-voxlingua107-ecapa, упакованные в формат GGUF для запуска через loom.cpp и loom-py-rt. На вход модель принимает аудиоклип и выдаёт распределение вероятностей по 107 языкам.

Модель предназначена для автоматического определения языка речи в аудиозаписи, например для предварительной сортировки клипов или выбора последующей языковой обработки. Аудио должно быть монофоническим с частотой 16 кГц; каждый клип нужно подавать отдельным вызовом, поскольку пакет с дополненными тишиной клипами не поддерживается. Модель обучена на речи из YouTube, поэтому чистых фрагментов в несколько секунд обычно достаточно, но близкие языки могут путаться — рекомендуется учитывать несколько верхних результатов. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • определение языка в короткой аудиозаписи
  • маршрутизация речи к подходящей модели распознавания
  • сортировка аудиоклипов по языку
  • проверка языка голосового сообщения
  • получение рейтинга вероятных языков для речевого фрагмента

Ограничения

Требуется монофоническое аудио с частотой 16 кГц и отдельный вызов для каждого клипа; батчи дополненных клипов не поддерживаются. Близкие языки могут путаться, поэтому полезно проверять несколько наиболее вероятных результатов.

Для каких профессий подходит8

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

ECAPA-TDNN VoxLingua107 (spoken language identification)

SpeechBrain's ECAPA-TDNN spoken-language identifier over VoxLingua107's 107 languages, exported for loom.cpp. Family 13: audio in, one language distribution per clip out.

This is a loom.cpp export: a single self-describing GGUF that carries its own graph topologies, tokenizer (if any) and driver script, produced by loom-exporter.

Original model

Exported from speechbrain/lang-id-voxlingua107-ecapa. Weights are unmodified; this repo packages the same parameters into loom.cpp's GGUF format.

License

apache-2.0, inherited from the base model above.

Language(s)

ab, af, am, ar, as, az, ba, be, bg, bi, bo, br, bs, ca, ceb, cs, cy, da, de, el, en, eo, es, et, eu, fa, fi, fo, fr, gl, gn, gu, gv, ha, haw, hi, hr, ht, hu, hy, ia, id, is, it, he, ja, jv, ka, kk, km, kn, ko, la, lm, ln, lo, lt, lv, mg, mi, mk, ml, mn, mr, ms, mt, my, ne, nl, nn, no, oc, pa, pl, ps, pt, ro, ru, sa, sco, sd, si, sk, sl, sn, so, sq, sr, su, sv, sw, ta, te, tg, th, tk, tl, tr, tt, uk, ud, uz, vi, war, yi, yo, zh

Usage

Run it with loom-py -- loom-py-rt on PyPI:

pip install -U "loom-py-rt[hub]"
import loom

model = loom.Model.from_pretrained("loom-ai-org/ecapa-voxlingua107-loom")

# Audio is a mono float list at 16 kHz, one whole clip per call. The answer is one row: a probability
# for every language the model knows, labelled "<code>: <name>".
result = model.speech2class.infer(audio)
print(result.best[0])
# en: English

# Closely related languages share probability, so read the top few rather than only the first:
for label, p in result.top(3):
    print(f"{label:24s} {p:.3f}")

The layer underneath

The call above is the high-level door: one per task, named for the modality pair it maps between, with the windowing, sampling and assembly this model needs already applied. Under it, model.infer(...) passes your arguments straight to the driver this GGUF embeds -- which is where you go for a knob the door does not name.

model.driver_source prints that driver, including a header comment documenting every argument it accepts for this model, and is the authority on it. See loom-py for the API and loom.cpp for what the engine does between the two.

Known limitations

One whole clip per call. The export takes no length, so a batch of padded clips cannot be passed: the padding would be heard as part of the audio. Call it once per clip.

Trained on VoxLingua107, which is speech scraped from YouTube: a few seconds of clean speech is plenty, and closely related languages (the upstream card's examples are Bosnian/Croatian/Serbian and the Scandinavian languages) are routinely confused -- read the top few answers rather than only the first. Audio must be mono 16 kHz.

Files

  • ecapa-voxlingua107.gguf -- the model, exported with loom-exporter.

Как запустить

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

GPU в ailist

Универсальный рантайм · loom-py-rt

Нельзя запустить

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

Ревизия весов
4b0993b

0 моделей