/ Модель

Характеристики

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

wavslm_4k

Обработка аудиоАудио → аудио3 профессии

WavSLM 4k — одно-поточная модель языкового моделирования речи на основе WavLM и FocalCodec для задач преобразования аудио в аудио.

77скачиваний 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 4k — одно-поточная модель языкового моделирования речи, созданная Лукой Делла Либерой, Джемом Субаканом и Мирко Раванелли. Она объединяет дистилляцию представлений WavLM с FocalCodec; в этом репозитории опубликован чекпойнт с кодовой книгой размера 4096, обученный на Libri-Light.

Модель предназначена для моделирования речевого аудио в едином потоке. Метаданные классифицируют её как audio-to-audio и указывают входное аудио; карточка не описывает конкретные прикладные сценарии или выходной формат подробнее. Модель основана на слиянии lucadellalib/focalcodec_50hz_4k_causal и microsoft/wavlm-large. Лицензия — Apache-2.0.

Сценарии применения

  • моделирование речевого аудио
  • эксперименты с одно-поточным моделированием речи
  • исследование дистилляции WavLM для речевых представлений

Ограничения

Карточка не уточняет конкретные downstream-задачи, поддерживаемые языки, характеристики качества или параметры аудио на входе и выходе.

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 4096 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
8e43ea9

0 моделей