Maskinöversättning · Engelskt original

Språkidentifiering

Identifiera det talade språket på enheten med SpeechBrain ECAPA VoxLingua107. Swift runtime stöder infödda MLX och sammanställd Core ML och rankar 107 språketiketter.

Arkitektur

Audio återförs till 16 kHz och omvandlas av en exakt 60-bin SpeechBrain log-mel frontend. Temporal innebär normalisering matar en ECAPA-TDNN-kodare och dess 107-klass klassificerare.

CLI

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

MLX är standarden. Använd --engine coreml för den sammanställda modellen, --top för att välja antalet kandidater och --json för maskinläsbar produktion.

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")

Långa inspelningar

Varje modellsamtal analyserar upp till cirka 30 sekunder. Längre inspelningar delas in i icke-överlappande fönster och deras sannolikheter kombineras med varaktighetsviktning.

Closed-set modell

Modellen rankar alltid en av sina kända etiketter. Dess förtroende är inte en okänt språkdetektor. Lägg till VAD och en kalibrerad avslagspolicy för tystnad, musik, kod-switching och osupporterade språk.

Hugging Face

CLI: language-id