/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
wavlm-large
Библиотека
torch
Опубликована
15 авг 2026

wavslm_2k

Обработка аудиоАудио → аудио3 профессии

WavSLM — модель одно-потокового моделирования речи, обученная на Libri-Light с дистилляцией WavLM и кодовой книгой FocalCodec на 2048 записей.

12скачиваний за 30 дней0лайковвеса обновлены16 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

WavSLM — одно-потоковая языковая модель для речи, разработанная Luca Della Libera, Cem Subakan и Mirco Ravanelli. Репозиторий содержит чекпойнт с размером кодовой книги 2048, обученный на Libri-Light и описанный в статье о дистилляции WavLM с использованием FocalCodec. Метаданные указывают, что модель объединяет lucadellalib/focalcodec_50hz_2k_causal и microsoft/wavlm-large, а файлы представлены в формате safetensors.

Модель предназначена для задач преобразования аудио в аудио; метаданные подтверждают аудиовход, а pipeline_tag задаёт audio-to-audio. В карточке не описаны конкретные сценарии преобразования аудио, поддерживаемые языки, длина контекста или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • эксперименты с одно-потоковым моделированием речи
  • исследование представлений речи на основе дистилляции WavLM
  • эксперименты с кодированием речи через FocalCodec

Ограничения

README не приводит конкретные сценарии преобразования аудио, результаты оценки качества или сведения о поддерживаемых языках.

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

🗣️ WavSLM

A single-stream speech language model based on WavLM distillation and FocalCodec.

This repository contains the checkpoint with a codebook size of 2048 trained on Libri-Light, as described in the paper.


▶️ Quickstart

See the readme at: https://github.com/lucadellalib/wavslm


@ Citing

@inproceedings{dellalibera2026wavslm,
    title     = {{WavSLM}: Single-Stream Speech Language Modeling via {WavLM} Distillation},
    author    = {Luca {Della Libera} and Cem Subakan and Mirco Ravanelli},
    booktitle = {Interspeech},
    year      = {2026},
}

📧 Contact

luca.dellalib@gmail.com


Как запустить

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

GPU в ailist

Универсальный рантайм · torch

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
eadaf0f

0 моделей