Голос: спикеры и звук

WeSpeaker

Набор готовых моделей «голосового отпечатка»: сравнивает, один ли человек говорит в двух записях, и помогает делить запись по спикерам. Одна из моделей встроена в pyannote 3.x.

Разработчик
Сообщество WeNet, Китай
Первый выпуск
ноя 2022
Последний выпуск
июл 2026
Размеры
от единиц до десятков миллионов параметров
Лицензия
Можно в коммерциюКод Apache 2.0; веса CC-BY 4.0 (VoxCeleb) и Apache 2.0 (CN-Celeb)
Готовые сборки
GGUF
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Финансы, Безопасность, Поддержка клиентов
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Голосовая проверка клиента при звонке
  • Поиск повторных звонков одного человека
  • Разметка записи по спикерам

Где применяется

Банки и страхованиеКолл-центрыСлужбы безопасности

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
нет версий
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. ReDimNet2
  2. Модели на HF (ResNet, ECAPA, CAM++)
  3. WeSpeaker 1.2
  4. WeSpeaker 1.0

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам. Квантование — сжатие модели: она занимает меньше видеопамяти и работает на более скромном железе. Отвечает при этом чуть иначе, поэтому качество проверяют на своих примерах.

Частые вопросы

Можно ли использовать WeSpeaker в коммерческом проекте?

Да. Лицензия: Код Apache 2.0; веса CC-BY 4.0 (VoxCeleb) и Apache 2.0 (CN-Celeb). Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для WeSpeaker?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли WeSpeaker русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать WeSpeaker и сколько это стоит?

Веса WeSpeaker лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Сравнения

Похожие модели

Голос: спикеры и звукpyannote (диаризация)pyannoteAI (Эрве Бредин) · ФранцияМожно в коммерцию

Самый распространённый открытый инструмент, который размечает запись по спикерам: кто и когда говорил. Обычно ставится в связку с распознаванием речи. Веса выдаются после короткой анкеты на HF.

ПодробнееГолос: спикеры и звукNVIDIA Sortformer / TitaNetNVIDIA · СШАКоммерция с условиями

Модели NVIDIA для задачи «кто говорит»: TitaNet узнаёт голос конкретного человека, Sortformer размечает запись до 4 спикеров, в том числе потоково во время звонка.

Подробнее

Источник: huggingface.co/api/models?author=Wespeaker. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.