/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
resemblyzer · dense
Библиотека
transformers
Опубликована
28 июл 2026

resemblyzer-torch-native

ЭмбеддингиТекст → embedding3 профессии

Адаптированная версия Resemblyzer извлекает эмбеддинги из аудио для сравнения голосов и верификации говорящего.

51скачиваний за 30 дней1лайквеса обновлены30 июл 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

Это адаптированная для PyTorch, torchaudio и Transformers версия Resemblyzer, опубликованная пользователем prj-beatrice и основанная на resemble-ai/Resemblyzer. Модель принимает аудиоволновую форму и извлекает векторное представление голоса; для пакетной обработки можно передавать волновые формы с длинами входных последовательностей. Репозиторий содержит веса в формате safetensors и использует архитектуру ResemblyzerModel.

Модель предназначена для получения голосовых эмбеддингов, которые можно использовать в системах сравнения и верификации говорящих. README показывает загрузку через AutoModel и вычисление эмбеддинга для аудиофайла. Лицензия указана как other, поэтому условия использования следует сверить с карточкой и исходным проектом Resemblyzer.

Сценарии применения

  • получение голосового эмбеддинга из аудиозаписи
  • сравнение голосов двух аудиозаписей
  • верификация личности говорящего по голосу
  • извлечение признаков голоса для последующей обработки

Ограничения

README не описывает поддерживаемые языки, предельную длину аудио или метрики качества. Для загрузки указано trust_remote_code=True; лицензия обозначена как other, поэтому её условия нужно проверить перед использованием.

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

Resemblyzer

resemble-ai/Resemblyzer, adapted to use with only torch, torchaudio, and transformers.

import soundfile as sf
import torch
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "cpu"
wav, sr = sf.read("audio.wav", dtype="float32")
wav = torch.from_numpy(wav)
model = AutoModel.from_pretrained(
    "prj-beatrice/resemblyzer-torch-native", trust_remote_code=True
).eval().to(device)

with torch.inference_mode():
    embedding = model(wav.to(device), sampling_rate=sr).embeddings[0]

The result matches this code:

from resemblyzer import VoiceEncoder, preprocess_wav

# Non-16 kHz input is resampled differently, so exact agreement is not expected.
assert sr == 16_000
reference = torch.from_numpy(
    VoiceEncoder().embed_utterance(preprocess_wav("audio.wav"))
)
torch.testing.assert_close(embedding.cpu(), reference)

Padded batches use a waveform tensor [batch_size, max_length] and an input_lengths tensor [batch_size].

License

Resemblyzer components are Apache-2.0, WebRTC VAD components are BSD-3-Clause, and the wrapper is MIT-licensed; see LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ResemblyzerModel
Ревизия весов
a74a7e2

0 моделей