/ Модель

Характеристики

Лицензия
cc-by-sa-3.0
Архитектура
wavlm_speaker_verification · dense
Библиотека
transformers
Опубликована
28 июл 2026

unispeech-wavlm-large-ecapa-tdnn-torch-native

ЭмбеддингиТекст → embedding3 профессии

Модель WavLM-large с ECAPA-TDNN извлекает голосовые признаки для проверки, говорит ли один и тот же человек в двух аудиозаписях.

1 268скачиваний за 30 дней1лайквеса обновлены28 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 модель проверки сходства голосов на основе WavLM-large и ECAPA-TDNN, представленная UniSpeech и адаптированная для работы с PyTorch, torchaudio и Transformers. Она извлекает акустические признаки и голосовые эмбеддинги для сравнения записей речи.

Модель предназначена для проверки, принадлежат ли две аудиозаписи одному говорящему, например при сопоставлении эталонной и проверяемой записи. В README указано, что результаты совпадают с кодом проверки говорящего из Seed-TTS Eval. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY-SA 3.0.

Сценарии применения

  • сравнение голосов в эталонной и проверяемой записи
  • проверка личности говорящего по голосу
  • извлечение голосовых эмбеддингов для сравнения записей

Ограничения

Предназначена для сравнения говорящих по аудио; сведения о поддерживаемых языках и количественных показателях качества в предоставленных материалах отсутствуют.

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

WavLM-large + ECAPA-TDNN speaker verification

UniSpeech's WavLM-large + ECAPA-TDNN speaker-verification model, 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"
reference, sr = sf.read("reference.wav", dtype="float32")
candidate, candidate_sr = sf.read("candidate.wav", dtype="float32")
assert candidate_sr == sr

waves = [torch.from_numpy(reference), torch.from_numpy(candidate)]
lengths = torch.tensor([wave.numel() for wave in waves], device=device)
waves = torch.nn.utils.rnn.pad_sequence(waves, batch_first=True).to(device)
model = AutoModel.from_pretrained(
    "prj-beatrice/unispeech-wavlm-large-ecapa-tdnn-torch-native",
    trust_remote_code=True,
).eval().to(device)

with torch.inference_mode():
    embeddings = model(
        waves, sampling_rate=sr, input_lengths=lengths
    ).embeddings
    similarity = torch.nn.functional.cosine_similarity(
        embeddings[:1], embeddings[1:]
    )[0]
print(similarity)

The value matches Seed-TTS Eval's speaker-verification code:

from verification import verification

expected, _ = verification(
    "wavlm_large",
    "reference.wav",
    "candidate.wav",
    checkpoint="wavlm_large_finetune.pth",
    use_gpu=torch.cuda.is_available(),
    device=device,
)
torch.testing.assert_close(similarity.cpu(), expected[0].cpu())

License

The complete model repository is distributed under CC BY-SA 3.0 Unported; 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.

Ревизия весов
13ad4fc

0 моделей