/ Модель

Характеристики

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

voxlect-german-dialect-mms-lid-256

Классификация аудиоАудио → label3 профессии

Модель классифицирует аудиозаписи немецкой речи по региональным диалектным группам, включая Австрию, Швейцарию и регионы Германии.

173скачиваний за 30 дней0лайковвеса 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

Voxlect German Dialect MMS LID 256 — модель классификации аудио для распознавания региональных разновидностей немецкой речи. Она разработана Tiantian Feng и описана в работе Voxlect: A Speech Foundation Model Benchmark for Modeling Dialect and Regional Languages Around the Globe. Модель дообучена на facebook/mms-lid-256 и работает с аудио на входе, присваивая ему метку диалектной группы.

В карточке перечислены группы говорящих из Австрии, немецких регионов вне Северного Рейна — Вестфалии, Северного Рейна — Вестфалии, Швейцарии, а также категория «Other». Модель предназначена для исследовательской классификации немецких диалектов и региональной речи. Репозиторий содержит веса в формате safetensors; используется библиотека Transformers.

Лицензия CC BY-NC 4.0 запрещает коммерческое использование. Авторы также исключают клиническое применение, наблюдение и вмешательство в частную жизнь; при работе с речевыми данными необходимо учитывать согласие говорящих и требования применимого законодательства.

Сценарии применения

  • Определение региональной группы немецкой речи в аудиозаписи
  • Анализ распространения диалектов немецкого языка
  • Классификация немецкой речи для лингвистического исследования

Ограничения

Модель охватывает указанные в карточке немецкие региональные группы и категорию «Other»; точность для отдельных говорящих и условий записи в карточке не приведена. Коммерческое использование, клиническое применение, наблюдение и вмешательство в частную жизнь исключены.

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 German Dialect Classification

Model Description

This model includes the implementation of German 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 German dialects are with speakers from:

[
  "Austria", 
  "German-Non-NRW Area", 
  "German-NRW",
  "Other", 
  "Swiss"
]

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-german-dialect-mms-lid-256").to(device)
model.eval()

Prediction

# Label List
dialect_list = [
  "Austria", 
  "German-Non-NRW Area", 
  "German-NRW",
  "Other", 
  "Swiss"
]
    
# 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
da2812a

0 моделей