/ Модель

Характеристики

Лицензия
OpenRAIL
Базовая модель
wavlm-large
Опубликована
21 мая 2025

wavlm-large-broader-accent

Классификация аудиоАудио → label3 профессии

Дообученная WavLM Large классифицирует английскую речь по трём широким категориям акцента.

128скачиваний 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 tiantiaf/wavlm-large-broader-accent — дообученная Microsoft WavLM Large модель для классификации английской речи по широким категориям акцента. Она различает три категории: Британские острова, Северная Америка и другие акценты. Модель предназначена для анализа речевых записей и характеристики речи и говорящих; в карточке она связана с исследованием Vox-Profile и датасетами EDACC и Common Voice 11.0.

Модель принимает аудио и выдаёт категорию акцента. Веса опубликованы в формате safetensors, лицензия — OpenRAIL. Карточка не описывает точность и ограничения классификатора; три широкие категории не позволяют определять конкретные акценты внутри каждой группы.

Сценарии применения

  • классификация записи английской речи по широкой категории акцента
  • анализ региональных особенностей английского произношения
  • характеристика речевых записей в исследованиях речи и говорящих

Ограничения

Классификатор различает только три широкие категории: Британские острова, Северная Америка и другие акценты. Точность и дополнительные ограничения в карточке не описаны.

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 Broader Accent Classification

Model Description

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

The included English accents are: ['British Isles', 'North America', 'Other']

How to use this model

Download repo

git clone git@github.com:tiantiaf0627/vox-profile-release.git

Install the package

conda create -n vox_profile python=3.8
cd vox-profile-release
pip install -e .

Load the model

# Load libraries
import torch
import torch.nn.functional as F
from src.model.accent.wavlm_accent import WavLMWrapper

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

# Load model from Huggingface
model = WavLMWrapper.from_pretrained("tiantiaf/wavlm-large-broader-accent").to(device)
model.eval()

Prediction

# Label List
english_accent_list = [
    'British Isles', 'North America', 'Other'
]
    
# Load data, here just zeros as the example, audio data should be 16kHz mono channel
data = torch.zeros([1, 16000]).float().to(device)
logits, embeddings = model(data, return_feature=True)
    
# Probability and output
accent_prob = F.softmax(logits, dim=1)
print(english_accent_list[torch.argmax(accent_prob).detach().cpu().item()])

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

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
49394e5

0 моделей