Strojový překlad · Anglický originál

Identifikace jazyka

Identifikujte mluvený jazyk na zařízení pomocí SpeechBrain ECAPA VoxLingua107. Swift runtime podporuje rodné MLX a zkompiluje Core ML s označením 107 jazyka.

Architektura

Audio se přetvoří na 16 kHz a převede se přesným 60-bin SpeechBrain log-mel frontend. Časová průměrná normalizace napájí ECAPA-TDNN enkodér a jeho 107-třídič třídy.

CLI

speech language-id recording.wav
speech language-id recording.wav --engine coreml --top 3
speech language-id recording.wav --json

MLX je výchozí. Pro sestrojený model použijte --engine coreml, --top pro výběr počtu kandidátů, a --json na strojově čitelný výstup.

Swift API

import SpeechLanguageID

let identifier = try await SpeechLanguageIdentifier.fromPretrained(engine: .mlx)
let result = try identifier.identify(
    audio: samples,
    sampleRate: sampleRate,
    topK: 5
)
print(result.best?.label.code ?? "unknown")

Dlouhé nahrávky

Každý model hovoru analyzuje zhruba 30 sekund. Delší nahrávky jsou rozděleny do nepřekrývajících se oken a jejich pravděpodobnost je kombinována s váhou trvání.

Model closed- set

Model vždy řadí jeden ze svých známých štítků. Jeho sebevědomí není neznámý-jazykový detektor. Přidat VAD a kalibrované odmítnutí politiky pro ticho, hudbu, code- spínání, a nepodporované jazyky.

Hugging Face

CLI: language-id