Konekäännös · Englanninkielinen alkuperäinen

Kielitunniste

Tunnista laitteella oleva puhuttu kieli, jossa puheBrain ECAPA VoxLingua107. Swift runtime tukee natiivia MLX ja kootut Core ML ja asettaa 107 kielietikettiä.

Arkkitehtuuri

Ääninäyte otetaan uudelleen 16 kHz:ksi ja muunnetaan tarkasti 60-bin SpeechBrain log-mel -professional. Ajallinen keskiarvo normalisointi syöttää ECAPA-TDNN-koodaajaa ja sen 107-luokan luokittelulaitetta.

KLI

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

MLX on oletus. Käytä --engine ydinml kootussa mallissa, --top valitaksesi ehdokkaiden lukumäärän ja --json koneellisesti luettavassa lähdössä.

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")

Pitkät tallenteet

Jokainen malli soittaa analysoi jopa noin 30 sekuntia. Pidemmät tallenteet jaetaan ei-ylittäviin ikkunoihin ja niiden todennäköisyydet yhdistetään kestopainotukseen.

Suljettu malli

Malli on aina yksi tunnetuista tarroistaan. Sen luottamus ei ole tuntematon kieli. Lisää VAD ja kalibroitu hylkäyskäytäntö hiljaisuuden, musiikin, koodinvaihdoksen ja kannattamattomien kielten osalta.

Hugging Face

CLI: language-id