/ Модель

Характеристики

Лицензия
OpenRAIL
Базовая модель
whisper-large-v3
Опубликована
22 мая 2025

whisper-large-v3-broad-accent

Классификация аудиоАудио → label3 профессии

Модель на базе Whisper large-v3 определяет широкую категорию английского акцента в аудиозаписи речи.

90скачиваний за 30 дней1лайквеса 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 Tiantian Feng классифицирует широкие варианты английского акцента в аудиозаписи речи. Она основана на Whisper large-v3 и описана в работе Vox-Profile — бенчмарке речевых моделей для характеристики различий между говорящими и речью. Модель относит акцент к одной из трёх категорий: British Isles, North America или Other.

Её можно использовать для анализа речевых записей и определения широкой группы английского акцента. Модель принимает аудио и выдаёт метку класса. Карточка указывает на обучение на Common Voice 11.0; метаданные связывают её с английским языком. Модель распространяется по лицензии OpenRAIL. Карточка исключает клиническое и диагностическое применение, наблюдение и вторжение в частную жизнь, а также коммерческое использование.

Сценарии применения

  • классификация английского акцента в записи речи
  • разделение записей на акценты Британских островов, Северной Америки и прочие
  • анализ разнообразия английской речи в корпусе аудиозаписей

Ограничения

Модель различает только три широкие категории английских акцентов и не предназначена для клинических или диагностических задач, наблюдения и вторжения в частную жизнь. Коммерческое использование исключено условиями карточки.

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-Large for Broad 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:

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.whisper_accent import WhisperWrapper

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

# Load model from Huggingface
model = WhisperWrapper.from_pretrained("tiantiaf/whisper-large-v3-broad-accent").to(device)
model.eval()

Prediction

# Label List
english_accent_list = [
    'British Isles', 'North America', 'Other'
]
    
# 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
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)

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
26e72f7

0 моделей