Maskinoversettelse · Engelsk original

Språkidentifikasjon

Identifiser det talte språket på enheten med SpeechBrain ECAPA VoxLingua107. Swift kjøretid støtter innfødt MLX og kompilert Core ML og rangerer 107 språkmerker.

Arkitektur

Lyden er gjenprøvet til 16 kHz og konvertert av en eksakt 60-bin SpeechBrain log-mel frontend. Temporal gjennomsnittlig normalisering fôrer en ECAPA-TDNN-koder og dens 107-klasse klassifier.

CLI

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

MLX er standard. Bruk --engine kjerneml for den kompilerte modellen, --top for å velge antall kandidater, og --json for maskinlesbar utdata.

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 innspillinger

Hver modellsamtale analyserer opp til omtrent 30 sekunder. Lengre opptak er delt i ikke-overlappende vinduer og deres sannsynlighet kombineres med varighetsvekting.

Lukket modell

Modellen rangerer alltid en av sine kjente etiketter. Dens tillit er ikke en ukjent språkdetektor. Legg til VAD og en kalibrert avvisningspolicy for stillhet, musikk, kodeveksling og språk som ikke støttes.

Hugging Face

CLI: language-id