GenAID
13 английских акцентов на базе XLSR
1 min readupdated
GenAID — модель идентификации акцента английской речи от jzmzhong, представленная в статье AccentBox (ICASSP 2025). Это дообученный XLSR (facebook/wav2vec2-large-xlsr-53) со статистическим пулингом, MLP-эмбеддингами и классификатором. Обучена на speaker-based resplit датасета CommonAccent (Common Voice 17.0).
Ключевые особенности
- Распознаёт 13 акцентов английского: US, Canadian, Australian, South Asian, English, Southern African, Irish, Scottish, Filipino, Singaporean, Hong Kong, Malaysian, New Zealand.
- Accuracy 0.56 на 13 акцентах для невиданных ранее дикторов.
- Выдаёт 64-мерные utterance-level accent embeddings.
- Работает через SpeechBrain; на вход подаётся аудио 16 кГц mono, classify_file сам нормализует запись.
- Inference API недоступен из-за несовместимости с текущими интерфейсами SpeechBrain — нужна установка из GenAID-репозитория.
Пример
from speechbrain.pretrained.interfaces import foreign_class
classifier = foreign_class(
source="jzmzhong/accent-id-genaid",
pymodule_file="custom_interface.py",
classname="CustomEncoderWav2vec2Classifier",
)
out_prob, score, index, text_lab = classifier.classify_file("example.wav")
print(text_lab)
Подробнее
Accuracy 0.56 на 13 акцентах для невиданных дикторов.Обучение: speaker-based resplit CommonAccent / Common Voice 17.0, аудио 16 кГц mono.
Нужна SpeechBrain v0.5.16 и старые интерфейсы; установка через GenAID-репозиторий.
Гарантий на другие датасеты нет.










Comments