Tłumaczenie automatyczne · Oryginał angielski

Identyfikacja języka

Identyfikacja języka mówionego na urządzeniu za pomocą SpeechBrain ECAPA VoxLingua107. Swift runtime obsługuje rodzime MLX i skompilowane Core ML oraz rangi etykiet językowych 107

Architektura

Audio jest resemblowane do 16 kHz i konwertowane przez dokładnie 60- bin SpeechBrain log- mel frontend. Temporalna średnia normalizacja karmi ECAPA- TDNN encoder i jego 107- klasy klasyfikator.

CLI

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

MLX jest domyślny. Użyj koremla --engine dla skompilowanego modelu, --top do wyboru liczby kandydatów, a --json na wyjście do odczytu maszynowego.

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")

Długie nagrania

Każde połączenie modelu analizuje się do około 30 sekund. Dłuższe nagrania dzielą się na nienakładające się okna, a ich prawdopodobieństwo łączy się z wagą czasu trwania.

Model zamkniętego zestawu

Model zawsze zajmuje jedną ze znanych etykiet. Jego pewność siebie nie jest nieznanym wykrywaczem języka. Dodaj VAD i skalibrowaną politykę odrzucania dla ciszy, muzyki, przełączania kodu i nieobsługiwanych języków.

Hugging Face

CLI: language-id