/ Модель

Характеристики

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

wavslm_65k

Обработка аудиоАудио → аудио3 профессии

WavSLM 65k — одно-потоковая модель для задач преобразования аудио, обученная на Libri-Light с использованием дистилляции WavLM и FocalCodec.

11скачиваний 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 65k — одно-потоковая языковая модель речи, созданная Лукой Делла Либера, Джемом Субаканом и Мирко Раванелли. Чекпойнт с кодовой книгой размером 65 536 обучен на Libri-Light и описан в статье о дистилляции WavLM для моделирования речи.

Модель предназначена для работы с аудио в формате audio-to-audio. Она объединяет подходы WavLM и FocalCodec в одно-потоковой архитектуре. В репозитории доступны веса PyTorch в формате safetensors; лицензия — Apache-2.0. В карточке не описаны конкретные прикладные сценарии или подробные ограничения качества.

Сценарии применения

  • эксперименты с одно-потоковым моделированием речи
  • исследование языкового моделирования аудио
  • разработка систем преобразования аудио на основе FocalCodec

Ограничения

Карточка не приводит результатов оценки качества или подробных рекомендаций по применению; обучение описано на Libri-Light, поэтому перенос на другие типы аудио не установлен.

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 65536 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
1c033ca

0 моделей