/ Модель

Характеристики

Лицензия
OpenRAIL
Опубликована
28 окт 2022

brouhaha

Поиск речи в аудиоАудио → label3 профессии

Brouhaha анализирует аудио, определяя активность речи и оценивая отношение речи к шуму и акустику помещения.

5 448скачиваний за 30 дней32лайкавеса обновлены15 ноя 2022

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

Brouhaha — аудиомодель сообщества pyannote для совместного определения активности речи, оценки отношения речи к шуму (SNR) и оценки акустического параметра C50, характеризующего помещение. Она предназначена для анализа аудиозаписей, в том числе оценки участков с речью и качества акустической среды. Модель использует формат PyTorch и работает в экосистеме pyannote.audio; в карточке указана лицензия OpenRAIL. Для установки README упоминает пакеты pyannote-audio и brouhaha-vad.

Сценарии применения

  • определение речевых участков в аудиозаписях
  • оценка отношения речи к шуму
  • оценка акустики помещения по параметру C50

Ограничения

README не приводит метрик качества или ограничений по условиям записи. Модель оценивает активность речи, SNR и C50; это не система распознавания речи в текст.

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

🎙️🥁🚨🔊 Brouhaha

Sample Brouhaha predictions

Joint voice activity detection, speech-to-noise ratio, and C50 room acoustics estimation

TL;DR | Paper | Code | And Now for Something Completely Different

Installation

This model relies on pyannote.audio and brouhaha-vad.

pip install pyannote-audio
pip install https://github.com/marianne-m/brouhaha-vad/archive/main.zip

Usage

# 1. visit hf.co/pyannote/brouhaha and accept user conditions
# 2. visit hf.co/settings/tokens to create an access token
# 3. instantiate pretrained model
from pyannote.audio import Model
model = Model.from_pretrained("pyannote/brouhaha", 
                              use_auth_token="ACCESS_TOKEN_GOES_HERE")

# apply model 
from pyannote.audio import Inference
inference = Inference(model)
output = inference("audio.wav")

# iterate over each frame
for frame, (vad, snr, c50) in output:
    t = frame.middle
    print(f"{t:8.3f} vad={100*vad:.0f}% snr={snr:.0f} c50={c50:.0f}")

#  ...
# 12.952 vad=100% snr=51 c50=17
# 12.968 vad=100% snr=52 c50=17
# 12.985 vad=100% snr=53 c50=17
# ...

Citation

@article{lavechin2022brouhaha,
  Title   = {{Brouhaha: multi-task training for voice activity detection, speech-to-noise ratio, and C50 room acoustics estimation}},
  Author  = {Marvin Lavechin and Marianne Métais and Hadrien Titeux and Alodie Boissonnet and Jade Copet and Morgane Rivière and Elika Bergelson and Alejandrina Cristia and Emmanuel Dupoux and Hervé Bredin},
  Year    = {2022},
  Journal = {arXiv preprint arXiv: Arxiv-2210.13248}
}

```bibtex
@inproceedings{Bredin2020,
  Title = {{pyannote.audio: neural building blocks for speaker diarization}},
  Author = {{Bredin}, Herv{\'e} and {Yin}, Ruiqing and {Coria}, Juan Manuel and {Gelly}, Gregory and {Korshunov}, Pavel and {Lavechin}, Marvin and {Fustes}, Diego and {Titeux}, Hadrien and {Bouaziz}, Wassim and {Gill}, Marie-Philippe},
  Booktitle = {ICASSP 2020, IEEE International Conference on Acoustics, Speech, and Signal Processing},
  Address = {Barcelona, Spain},
  Month = {May},
  Year = {2020},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели pyannote требуют отдельного рантайма.

Ревизия весов
c93c9b5

0 моделей