Характеристики

Лицензия: MIT
Библиотека: sr-corrnet
Опубликована: 29 авг 2026

Ссылки

Hugging Face

recorrnet-v2-1ch-aishell1mix-ver1-epoch7

playwithmino

Обработка аудиоАудио → аудио

Одноканальная RecorrNet-v2, дообученная на смесях AISHELL-1 для разделения речи от одного до пяти говорящих.

1скачиваний за 30 дней0лайковвеса обновлены29 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

RecorrNet-v2 от playwithmino — одно канальная модель разделения речи, дообученная на смесях AISHELL-1 ver1 с переменным числом от одного до пяти говорящих. Используется архитектура RecorrNet-v2 с прямой фильтровой головой на 9 отводов; начальная модель обучена на англоязычном наборе WSJ0 для разделения речи двух–пяти говорящих. Репозиторий содержит веса PyTorch и конфигурацию, а для инференса в README приведён интерфейс библиотеки sr-corrnet.

Модель принимает аудиозапись со смешанной речью и предназначена для разделения голосов, в том числе в сценариях с несколькими одновременно говорящими. Контрольная точка соответствует концу 7-й эпохи обучения только на AISHELL-1 и использовалась в сравнительных экспериментах с другими вариантами SR-CorrNet. Лицензия — MIT.

Сценарии применения

разделение смешанной речи нескольких говорящих
выделение голосов из одноканальной аудиозаписи
разделение речи в смесях AISHELL-1

Ограничения

Контрольная точка обучена только на AISHELL-1 Mix ver1 и соответствует 7-й эпохе; перенос на другие наборы данных и акустические условия не подтверждён в карточке.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RecorrNet-v2 — AISHELL-1 Mix ver1 epoch 7

Single-channel RecorrNet-v2 (direct 9-tap filter head) fine-tuned on AISHELL-1 Mix ver1 (variable 1–5 speakers, mix_clean + mix_both).

Architecture: RecorrNet-v2 (1ch_aishell1mix_var_2_5spk_recorr_v2)
Init: English WSJ0 variable 2–5spk SR-CorrNet
Checkpoint: epoch.0007.pth (end of epoch 7; Aishell-only, not AliMeeting continue)
Code: vu-duy-tung/byd-speech-separation (recorrnet branch)

This is the RecorrNet epoch-7 ver1 checkpoint used in the n100 SR vs Recorr vs later AliMeeting-continue comparisons.

Load

from sr_corrnet import SSInference

model = SSInference.from_pretrained(
    "playwithmino/recorrnet-v2-1ch-aishell1mix-ver1-epoch7",
    device="cuda:0",
)
result = model.process_file("mix.wav", output_dir="output/")

Files in this repo: model.pt (weights only) and config.yaml.

Как запустить

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

GPU в ailist

Универсальный рантайм · sr-corrnet

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов: 6cb13ca