Неофициальная сборка всех 20 чекпоинтов семейства моделей ReDimNet2 (от PalabraAI, Interspeech 2026) в формате ONNX для запуска на CPU и GPU через ONNX Runtime без зависимости от PyTorch. На вход модель принимает моно-аудио с частотой 16 кГц и возвращает 192-мерный эмбеддинг (числовой вектор голоса), причём расчёт мел-спектрограммы уже встроен внутрь графа. Сравнивать записи можно по косинусному сходству полученных векторов. Репозиторий пригодится разработчикам, которым нужно лёгкое и быстрое распознавание или сверка голоса в продакшене.
Ключевые особенности
Полный набор весов: доступны все 20 вариантов от компактного B0 (1.1M параметров) до крупного B6 (12.5M), обученные на VoxCeleb2, VoxBlink2 и CN-Celeb2.
Ускорение на CPU: графы в точности FP32 работают в 1.8–2.6 раза быстрее оригинала на PyTorch при сохранении идентичных результатов (относительная разница ~1e-6).
Оптимизация под GPU: версии в FP16 весят на 21–42% меньше и на длинных записях или батчах ускоряются до 2 раз по сравнению с FP32.
Встроенный препроцессинг: граф сам вычисляет мел-спектрограмму и нормализует громкость, поддерживая динамическую длину аудио и размер батча.
Что можно сделать
Голосовая аутентификация: встроить проверку личности диктора в сервис или бота на сервере без тяжёлого окружения PyTorch.
Поиск и кластеризация спикеров: извлекать эмбеддинги из аудиозаписей и группировать фрагменты речи по голосам с помощью косинусной близости.
Локальный инференс на CPU: использовать лёгкие версии вроде b0-vox2-lm или b3-vox2-lm для быстрой обработки коротких фраз на обычном процессоре.
Пример
import numpy as np, onnxruntime as ort, soundfile as sf, soxr
from huggingface_hub import hf_hub_download
path = hf_hub_download("lzrhahahahaha/ReDimNet2-ONNX", "fp32/b6-vox2-lm.onnx")
model = ort.InferenceSession(path, providers=["CPUExecutionProvider"])
audio, rate = sf.read("first.wav", dtype="float32", always_2d=True)
audio = soxr.resample(audio.mean(axis=1), rate, 16000)
emb = model.run(None, {"input_values": audio[None]})[0][0] # вектор [192]
ПодробнееРекомендуются чекпоинты с суффиксом lm (после дообучения large-margin); минимальная длина клипа — 720 сэмплов (45 мс), но на отрезках в несколько секунд точность заметно выше. На тесте (Intel Core i5-14400 / RTX 4070 SUPER) обработка клипа 7–9 с на B6-LM занимает 361.1 мс на CPU (против 762.5 мс в PyTorch) и 21.1 мс на GPU в FP16. Ограничения: при запуске батчами все клипы в одном батче должны быть одинаковой длины (нет маски паддинга), а для чекпоинтов cnc2 на CPU стоит включить опцию session.set_denormal_as_zero=1.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# lzrhahahahaha/ReDimNet2-ONNX — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve lzrhahahahaha/ReDimNet2-ONNX --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии