/ Модель

Характеристики

Лицензия
OpenRAIL
Базовая модель
wavlm-large
Опубликована
21 мая 2025

wavlm-large-age-sex

Классификация аудиоАудио → label3 профессии

Модель анализирует речь, классифицируя пол говорящего и оценивая его возраст.

649скачиваний за 30 дней11лайковвеса 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

Это модель классификации аудио, дообученная на microsoft/wavlm-large для определения пола и оценки возраста говорящего по речи. Она реализует подход, описанный в бенчмарке Vox-Profile для характеристики говорящих и речевых признаков. Пол возвращается одним из двух классов: Female или Male; оценка возраста находится в диапазоне от 0 до 1, и для получения возраста в годах её нужно умножить на 100. Модель принимает аудио и выдаёт метки и числовую оценку. Репозиторий содержит веса в формате safetensors. Лицензия — OpenRAIL.

Сценарии применения

  • оценка возраста говорящего по записи речи
  • классификация пола говорящего по аудио
  • характеристика участников речевого бенчмарка

Ограничения

Оценка возраста представлена нормированным значением от 0 до 1, которое требуется умножить на 100; доступные метки пола ограничены значениями Female и Male. README не приводит метрики качества или сведения о проверке на разных языках и условиях записи.

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

WavLM-Large for Age and Sex Classification

Model Description

This model includes the implementation of age and sex classification described in Vox-Profile: A Speech Foundation Model Benchmark for Characterizing Diverse Speaker and Speech Traits (https://arxiv.org/pdf/2505.14648)

The sex labels are: ["Female", "Male"]. The age output is from 0-1, and times 100 is the actual age.

Kindly cite our paper if you are using our model or find it useful in your work

@article{feng2025vox,
  title={Vox-Profile: A Speech Foundation Model Benchmark for Characterizing Diverse Speaker and Speech Traits},
  author={Feng, Tiantian and Lee, Jihwan and Xu, Anfeng and Lee, Yoonjeong and Lertpetchpun, Thanathai and Shi, Xuan and Wang, Helin and Thebaud, Thomas and Moro-Velazquez, Laureano and Byrd, Dani and others},
  journal={arXiv preprint arXiv:2505.14648},
  year={2025}
}

Responsible use of the Model: the Model is released under Open RAIL license, and users should respect the privacy and consent of the data subjects, and adhere to the relevant laws and regulations in their jurisdictions in using our model.

❌ Out-of-Scope Use

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

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
a4ad803

0 моделей