/ Модель

Характеристики

Лицензия
OpenRAIL
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
7 авг 2025

voxlect-spanish-dialect-whisper-small

Классификация аудиоАудио → label3 профессии

Модель на базе Whisper-small определяет региональный диалект испанской речи по аудио.

95скачиваний 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

Модель tiantiaf/voxlect-spanish-dialect-whisper-small разработана для классификации диалектов испанской речи и описана в рамках бенчмарка Voxlect по моделированию диалектов и региональных языков. Она дообучена на базе openai/whisper-small и принимает аудио, выдавая метку одного из шести вариантов: Andino-Pacífico, Caribe and Central, Chileno, Mexican, Penisular или Rioplatense. В метаданных указаны библиотека Transformers, формат safetensors и язык es; лицензия — OpenRAIL.

Модель подходит для определения регионального варианта испанского в аудиозаписях. Разработчик исключает клиническое применение, наблюдение и вторжение в частную жизнь, а также запрещает коммерческое использование. При работе с голосовыми данными следует учитывать требования к согласию и конфиденциальности.

Сценарии применения

  • определение диалектной группы в испанской аудиозаписи
  • анализ региональных вариантов испанского в речевых корпусах
  • сортировка записей по испанским диалектам

Ограничения

Модель различает только шесть перечисленных в карточке диалектных групп; заявлены ограничения против клинического применения, наблюдения, вторжения в частную жизнь и коммерческого использования.

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

Whisper-small 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.whisper_dialect import WhisperWrapper

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

# Load model from Huggingface
model = WhisperWrapper.from_pretrained("tiantiaf/voxlect-spanish-dialect-whisper-small").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
ddad929

0 моделей