Характеристики

Лицензия: MIT
Библиотека: sr-corrnet
Опубликована: 1 сен 2026

Ссылки

Hugging Face

recorrnet-v2-1ch-aishell1mix-ver2-alimeeting

playwithmino

Обработка аудиоАудио → аудио

Одноканальная RecorrNet-v2 разделяет смешанную речь нескольких говорящих на отдельные аудиодорожки.

8скачиваний за 30 дней0лайковвеса обновлены1 сен 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 — это одно-канальная модель разделения речи, опубликованная пользователем playwithmino. Чекпойнт дообучен на смеси AISHELL-1 Mix ver2 с примерами от одного до пяти говорящих и примерно 10% обучающей выборки AliMeeting; начальная точка — продолженное обучение RecorrNet-v2 на AISHELL, а не инициализация WSJ. В README указаны прямой фильтрующий выход с 9 отводами и сохранение весов на эпохе 9, шаге 20 000.

Модель предназначена для разделения смешанной записи на речевые источники, включая записи с несколькими говорящими. Она принимает аудио и выдаёт аудио; для загрузки предусмотрена библиотека sr-corrnet и класс SSInference. В репозитории указаны веса PyTorch и лицензия MIT. Рекомендуется использовать приложенный config.yaml именно с этими весами; модельный чекпойнт не следует сочетать с конфигурациями SR-CorrNet или версии ver1.

Обучающие данные включают AISHELL-1 Mix и дальний микрофонный канал CH0 из AliMeeting с отдельными речевыми дорожками. Это задаёт контекст применения к китайской речи и совещаниям, однако README не сообщает метрики качества или ограничения по длительности входного аудио.

Сценарии применения

разделение речи нескольких говорящих в одной записи
выделение голосов из одно- и многоголосых смесей AISHELL-1
разделение речи в записях совещаний AliMeeting

Ограничения

Для корректной загрузки требуется config.yaml из этого репозитория; конфигурации SR-CorrNet и версии ver1 несовместимы с этими весами. Метрики качества и ограничения по длительности входа в карточке не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RecorrNet-v2 — AISHELL-1 Mix ver2 + AliMeeting

Single-channel RecorrNet-v2 (direct 9-tap filter head) continued on AISHELL-1 Mix ver2 (clean + both, 1–5 speakers) plus ~10% AliMeeting Train (far CH0 mix, headset stems).

Architecture: RecorrNet-v2 (1ch_aishell1mix_ver2_alimeeting_recorr_v2)
Init: RecorrNet-v2 AISHELL continue (not WSJ-init)
Checkpoint: exported best_model.pth (epoch 9, step 20000)
Code: vu-duy-tung/byd-speech-separation (recorrnet branch)

This replaces the earlier AISHELL-1 Mix ver1 epoch 7 RecorrNet weights as the current RecorrNet checkpoint.

Previous ver1 epoch-7 weights: playwithmino/recorrnet-v2-1ch-aishell1mix-ver1-epoch7.

Load

from sr_corrnet import SSInference

model = SSInference.from_pretrained(
    checkpoint_path="playwithmino/recorrnet-v2-1ch-aishell1mix-ver2-alimeeting",
    device="cuda:0",
)
result = model.process_file("mix.wav", output_dir="output/")

Use this repo’s config.yaml with these weights. Do not mix with the SR-CorrNet or ver1-epoch7 configs.

Files: model.pt (weights only), config.yaml, metadata.json.

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: 96357df