К содержимому
Языковые модели

ReDimNet2-ONNX

быстрая верификация диктора без PyTorch

2 мин чтенияобновлено

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.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

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.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    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
    Добавить ещё LoRA к ReDimNet2-ONNX
  3. 3. Пользуйтесь

    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.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии ReDimNet2-ONNX — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

lzrhahahahaha/ReDimNet2-ONNX
Автор
lzrhahahahaha
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Emotion-S1

Emotion-S1
Языковые модели

Galvanize 3.1

Galvanize 3.1