Traduzione automatica · Originale inglese

Identificazione linguistica

Identificare la lingua parlata sul dispositivo con SpeechBrain ECAPA VoxLingua107. Il runtime Swift supporta nativo MLX e compilato Core ML e classifica 107 etichette di lingua.

Architettura

L'audio viene rispedito a 16 kHz e convertito da un frontend speechBrain con log-mel a 60-bin. La normalizzazione media temporale alimenta un encoder ECAPA-TDNN e il suo classificatore di classe 107.

CLI

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

MLX è l'impostazione predefinita. Utilizzare --engine coreml per il modello compilato, --top per scegliere il numero di candidati, e --json in uscita leggibile dalla macchina.

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")

Registrazioni lunghe

Ogni chiamata modello analizza fino a circa 30 secondi. Le registrazioni più lunghe sono divise in finestre non sovrapposte e le loro probabilità sono combinate con la ponderazione della durata.

Modello chiuso-set

La sua fiducia non è un rivelatore di lingua sconosciuta. Aggiungi VAD e una politica di rifiuto calibrata per il silenzio, la musica, il codice di commutazione e le lingue non supportate.

Hugging Face

CLI: language-id