/ Модель

Характеристики

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

voxlect-spanish-dialect-mms-lid-256

Классификация аудиоАудио → label

Модель классифицирует аудиозаписи испанской речи по одной из шести региональных диалектных групп.

226скачиваний за 30 дней2лайкавеса 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 Voxlect для классификации испанской речи по диалектным группам, разработанная Tiantian Feng в рамках бенчмарка Voxlect по моделированию диалектов и региональных языков. Она дообучена на базе facebook/mms-lid-256 и предназначена для отнесения аудиозаписи к одной из шести групп: Andino-Pacífico, Caribe and Central, Chileno, Mexican, Penisular или Rioplatense. Модель принимает аудио и выдаёт метку класса; карточка указывает Transformers и формат весов safetensors. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

Сценарии применения

  • определение диалектной группы в испанской аудиозаписи
  • анализ региональных различий в испанской речи
  • классификация записей для исследований диалектов
  • сегментация аудиоколлекции по испанским диалектам

Ограничения

Модель различает только шесть указанных диалектных групп. Не предназначена для клинической диагностики, наблюдения и вторжения в частную жизнь; коммерческое использование запрещено лицензией.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MMS-LID-256 for Spanish Dialect Classification

Model Description

This model includes the implementation of Spanish 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 Spanish dialects are:

[
  "Andino-Pacífico", 
  "Caribe and Central", 
  "Chileno",
  "Mexican", 
  "Penisular", 
  "Rioplatense", 
]

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

Prediction

# Label List
dialect_list = [
    "Andino-Pacífico", 
    "Caribe and Central", 
    "Chileno",
    "Mexican", 
    "Penisular", 
    "Rioplatense", 
]
    
# Load data, here just zeros as the 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
de547d4

0 моделей