Hubert Base Superb Sid

🚀 用於說話人識別的Hubert-Base模型

本模型是基於Hubert的說話人識別模型，以預訓練的hubert-base-ls960為基礎，在16kHz採樣的語音音頻上進行微調，可精準識別說話人身份。

🚀 快速開始

本模型可用於說話人識別任務，通過對語音輸入進行處理，判斷說話人的身份。使用時，請確保語音輸入為16kHz採樣。

✨ 主要特性

• 模型移植：這是S3PRL的Hubert用於SUPERB說話人識別任務的移植版本。
• 基礎模型：基於hubert-base-ls960，該模型在16kHz採樣的語音音頻上進行了預訓練。
• 任務與數據集：說話人識別（SI）將每個語音片段分類為其說話人身份的多類分類任務，採用了廣泛使用的VoxCeleb1數據集。

📦 安裝指南

暫未提及具體安裝步驟，可參考相關依賴庫的安裝方式，確保datasets、transformers、torch、librosa等庫已正確安裝。

💻 使用示例

基礎用法

你可以通過音頻分類管道使用該模型：

from datasets import load_dataset
from transformers import pipeline

dataset = load_dataset("anton-l/superb_demo", "si", split="test")

classifier = pipeline("audio-classification", model="superb/hubert-base-superb-sid")
labels = classifier(dataset[0]["file"], top_k=5)

高級用法

或者直接使用該模型：

import torch
import librosa
from datasets import load_dataset
from transformers import HubertForSequenceClassification, Wav2Vec2FeatureExtractor

def map_to_array(example):
    speech, _ = librosa.load(example["file"], sr=16000, mono=True)
    example["speech"] = speech
    return example

# load a demo dataset and read audio files
dataset = load_dataset("anton-l/superb_demo", "si", split="test")
dataset = dataset.map(map_to_array)

model = HubertForSequenceClassification.from_pretrained("superb/hubert-base-superb-sid")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/hubert-base-superb-sid")

# compute attention masks and normalize the waveform if needed
inputs = feature_extractor(dataset[:2]["speech"], sampling_rate=16000, padding=True, return_tensors="pt")

logits = model(**inputs).logits
predicted_ids = torch.argmax(logits, dim=-1)
labels = [model.config.id2label[_id] for _id in predicted_ids.tolist()]

📚 詳細文檔

• 模型描述：本模型是S3PRL的Hubert用於SUPERB說話人識別任務的移植版本，基礎模型為hubert-base-ls960。使用時需確保語音輸入為16kHz採樣。更多信息請參考SUPERB: Speech processing Universal PERformance Benchmark。
• 任務和數據集描述：說話人識別（SI）是一個多類分類任務，採用了VoxCeleb1數據集。原模型的訓練和評估說明請參考S3PRL下游任務README。

🔧 技術細節

評估指標為準確率。以下是評估結果：

引用信息

@article{yang2021superb,
  title={SUPERB: Speech processing Universal PERformance Benchmark},
  author={Yang, Shu-wen and Chi, Po-Han and Chuang, Yung-Sung and Lai, Cheng-I Jeff and Lakhotia, Kushal and Lin, Yist Y and Liu, Andy T and Shi, Jiatong and Chang, Xuankai and Lin, Guan-Ting and others},
  journal={arXiv preprint arXiv:2105.01051},
  year={2021}
}

📄 許可證

本模型採用Apache-2.0許可證。