Hubert Large Superb Sid

🚀 用于说话人识别的Hubert-Large

本项目提供用于说话人识别的Hubert-Large模型，可基于语音音频准确识别说话人身份，在相关任务中表现出色。

🚀 快速开始

本模型基于预训练的hubert-large-ll60k，在16kHz采样的语音音频上进行训练。使用时，请确保输入的语音也采样为16kHz。

✨ 主要特性

• 迁移版本：这是S3PRL的Hubert用于SUPERB说话人识别任务的迁移版本。
• 预训练模型：基于hubert-large-ll60k，在16kHz采样的语音音频上预训练。
• 任务类型：说话人识别（SI）属于多分类任务，用于对每个语音片段的说话人身份进行分类。
• 数据集：采用广泛使用的VoxCeleb1数据集。

📦 安装指南

文档未提及具体安装步骤，可参考相关依赖库的官方文档进行安装，如datasets、transformers、torch、librosa等。

💻 使用示例

基础用法

你可以通过音频分类管道使用该模型：

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-large-superb-sid")
labels = classifier(dataset[0]["file"], top_k=5)

高级用法

也可以直接使用该模型：

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-large-superb-sid")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/hubert-large-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()]

📚 详细文档

任务和数据集描述

说话人识别（SI）将每个语音片段的说话人身份作为多分类问题进行分类，训练和测试使用相同的预定义说话人集合。本项目采用了广泛使用的VoxCeleb1数据集。

评估结果

评估指标为准确率。

BibTeX引用和引用信息

@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}
}

📄 许可证

本项目采用Apache-2.0许可证。