/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
mms-lid-256
Библиотека
transformers
Опубликована
29 июл 2025

voxlect-french-dialect-mms-lid-256

Классификация аудиоАудио → label3 профессии

Модель классифицирует французскую речь по региональным диалектам в аудиозаписях.

404скачиваний за 30 дней1лайквеса обновлены10 авг 2025

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

Модель tiantiaf/voxlect-french-dialect-mms-lid-256 предназначена для классификации французских диалектов в аудиозаписях. Она разработана Tiantian Feng в рамках работы Voxlect: A Speech Foundation Model Benchmark for Modeling Dialect and Regional Languages Around the Globe и дообучена на базе facebook/mms-lid-256, модели Facebook на архитектуре Wav2Vec2 для идентификации языков по речи.

Модель различает французскую речь, связанную с Африкой, Францией, Канадой, а также Швейцарией, Бельгией и Германией. Она принимает аудио и выдаёт метку класса диалекта. В карточке указан формат safetensors и библиотека Transformers. Лицензия CC BY-NC 4.0 запрещает коммерческое использование; не следует применять модель для клинической диагностики, наблюдения или вмешательства в частную жизнь. При использовании необходимо соблюдать требования к согласию и конфиденциальности говорящих.

Сценарии применения

  • определение африканского варианта французской речи
  • распознавание французского диалекта из Франции
  • классификация канадского французского
  • определение региональной разновидности речи из Швейцарии, Бельгии или Германии

Ограничения

Модель охватывает только перечисленные в карточке региональные варианты французского и не предназначена для клинической диагностики, наблюдения или использования с нарушением приватности. Коммерческое использование запрещено лицензией CC BY-NC 4.0.

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

MMS-LID-256 for French Dialect Classification

Model Description

This model includes the implementation of French dialect classification described in Voxlect: A Speech Foundation Model Benchmark for Modeling Dialect and Regional Languages Around the Globe

Github repository: https://github.com/tiantiaf0627/voxlect

The included French dialects are with speakers from:

[
  "Africa",
  "France",
  "Canada",
  "Swiss/Belgium/German"
]

How to use this model

Download repo

git clone git@github.com:tiantiaf0627/voxlect

Install the package

conda create -n voxlect python=3.8
cd voxlect
pip install -e .

Load the model

# Load libraries
import torch
import torch.nn.functional as F
from src.model.dialect.mms_dialect import MMSWrapper

# Find device
device = torch.device("cuda") if torch.cuda.is_available() else "cpu"

# Load model from Huggingface
model = MMSWrapper.from_pretrained("tiantiaf/voxlect-french-dialect-mms-lid-256").to(device)
model.eval()

Prediction

# Label List
dialect_list = [
  "Africa",
  "France",
  "Canada",
  "Swiss/Belgium/German"
]
    
# Load data, here just zeros as an example
# Our training data filters output audio shorter than 3 seconds (unreliable predictions) and longer than 15 seconds (computation limitation)
# So you need to prepare your audio to a maximum of 15 seconds, 16kHz, and mono channel
max_audio_length = 15 * 16000
data = torch.zeros([1, 16000]).float().to(device)[:, :max_audio_length]
logits, embeddings = model(data, return_feature=True)
    
# Probability and output
dialect_prob = F.softmax(logits, dim=1)
print(dialect_list[torch.argmax(dialect_prob).detach().cpu().item()])

Responsible Use: Users should respect the privacy and consent of the data subjects, and adhere to the relevant laws and regulations in their jurisdictions when using Voxlect.

If you have any questions, please contact: Tiantian Feng (tiantiaf@usc.edu)

❌ Out-of-Scope Use

  • Clinical or diagnostic applications
  • Surveillance
  • Privacy-invasive applications
  • No commercial use

If you like our work or use the models in your work, kindly cite the following. We appreciate your recognition!

@article{feng2025voxlect,
  title={Voxlect: A Speech Foundation Model Benchmark for Modeling Dialects and Regional Languages Around the Globe},
  author={Feng, Tiantian and Huang, Kevin and Xu, Anfeng and Shi, Xuan and Lertpetchpun, Thanathai and Lee, Jihwan and Lee, Yoonjeong and Byrd, Dani and Narayanan, Shrikanth},
  journal={arXiv preprint arXiv:2508.01691},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
a948cf6

0 моделей