Traducere automată · Originalul în engleză

Identificarea limbii

Identificați limba vorbită pe dispozitiv cu SpeechBrain ECAPA VoxLingua107. The Swift runtime supports native MLX and compilated Core ML and randers 107 language etichete.

Arhitectură

Audio este reinclus în 16 kHz și convertit printr-un frontend fix 60-bin SpeechBrain log-mel. Normalizarea medie temporală alimentează un codor ECAPA-TDNN și clasa 107.

CLI

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

MLX este implicit. Utilizați --engine coreml pentru modelul compilat, --top pentru a alege numărul de candidați, și --json pentru producția de mașini-recepționate.

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")

Înregistrări lungi

Fiecare apel model analizează până la aproximativ 30 de secunde. Înregistrările mai lungi sunt împărțite în ferestre care nu se suprapun și probabilitățile lor sunt combinate cu ponderarea duratei.

Model cu set închis

Modelul este întotdeauna unul dintre etichetele sale cunoscute. Încrederea sa nu este un detector de limbă necunoscută. Adăugaţi VAD şi o politică calibrată de respingere a tăcerii, muzicii, cod-schimbare şi limbi nesusţinute.

Hugging Face

CLI: language-id