К содержимому
Аудио

Kezek v1

две дорожки из одной записи разговора

2 мин чтенияобновлено

Kezek v1 берёт монозапись разговора ровно двух людей и раскладывает её на две дорожки — по одной на каждого собеседника. Длина и тайминг сохраняются: перебивания и короткие «yeah»/«mm-hm» остаются у того, кто их произнёс, а сумма дорожек точно равна входу. Модель пригодится для подготовки данных под full-duplex диалоги, когда исходник есть только в виде моно-микса. Внутри 41 млн параметров: fingerprint, PairNet и Conv-TasNet-подобный сепаратор, обученные с нуля без замороженной сторонней модели. Веса Apache-2.0, ��од MIT.

Ключевые особенности

  • Сначала решает «кто говорит когда» и «кто есть кто» на всей записи, затем сепаратор следует этому решению.
  • Сохраняет перекрытия и короткие ответы; две дорожки в сумме дают исходный сигнал.
  • Ровно два говорящих, офлайн; без enrollment и без восстановления/очистки речи.
  • Все 41 млн параметров обучены авторами, без замороженной третьей стороны.
  • По метрикам обходит pyannote → DialogueSidon на Open Yap и CallHome English.

Что можно сделать

  • Подготовить full-duplex диалоговый датасет из моно-записей разговоров.
  • Разделить дорожки перед транскрибацией интервью или звонка.
  • Встроить в пайплайн обработки аудио, где нужны отдельные треки с общим таймингом.

Пример

pip install kezek
kezek-separate conversation.wav --out separated/
ПодробнееНа Open Yap short replies kept 0.830 против 0.687 у pyannote → DialogueSidon; no-swap 0.934 против 0.793; coverage 1.000.
На CallHome English no-swap 0.859, leak −11.8 dB; на чистом Open Yap overlap SI-SDRi +10.61 dB.
Нужна CUDA GPU с bf16; ровно два говорящих, офлайн; речь не восстанавливает и не чистит. Обучение и оценка — на английском.
Обсудить Telegram 1 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    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.

    # manifestro/kezek-v1
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download manifestro/kezek-v1 --local-dir ~/models/kezek-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к kezek-v1
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

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.

Семья модели

Новые посты про версии kezek-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

manifestro/kezek-v1
Автор
manifestro
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

171

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

X-MDD

X-MDD