模型详情
模型介绍
中文整理CAM++ 中文说话人识别模型（ONNX）
模型简介
这是一个用于**说话人验证（Speaker Verification）**的 ONNX 模型： campplus sv.onnx 。
模型输入语音后输出 192 维说话人嵌入向量（speaker embedding），可用于：
判断两段语音是否来自同一人
构建声纹库并进行相似度检索
本模型主要面向中文普通话场景。
输入输出规格
输入
输入名： fbank
形状： (1, T, 80)
类型： float32
说明：
T 为时间帧数（与音频时长相关）
80 为 log-Mel FBank 特征维度
输出
形状： (1, 192)
类型： float32
输出向量已做 L2 归一化，可直接使用点积作为余弦相似度。
快速使用
1) 安装依赖
2) 提取单条语音 embedding
3) 两段语音相似度
使用建议
建议输入音频时长：1~10 秒
建议使用干净近讲语音
阈值需结合实际业务数据调优
许可证
请遵循原始模型及上游项目的开源许可证要求。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。
