Maskinoversættelse · Engelsk original

Sprogidentifikation

Identificer det talte sprog på enheden med SpeechBrain ECAPA VoxLingua107. Swift runtime understøtter native MLX og kompileret Core ML, og rangerer 107 sprogetiketter.

Arkitektur

Audio er reamped til 16 kHz og konverteres af en præcis 60- bin SpeechBrain log- mel frontend. Temporal middelnormalisering feeds en ECAPA- TDNN encoder og dens 107- klasse klassifikator.

CLI

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

MLX er standard. Brug --engine coreml til den kompilerede model, --top for at vælge antallet af kandidater, og --json til maskinlæsbar output.

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")

Lange optagelser

Hver model opkald analyserer op til omkring 30 sekunder. Længere optagelser er opdelt i ikke-overlappende vinduer og deres sandsynligheder er kombineret med varighed vægtning.

Lukket sæt model

Modellen altid rangerer en af sine kendte etiketter. Dens tillid er ikke en ukendt sprog detektor. Tilføj VAD og en kalibreret afvisning politik for stilhed, musik, code-switching, og uunderstøttede sprog.

Hugging Face

CLI: language-id