README.md

metadata

title: WavLM-Large Demo
emoji: 🎵
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 3.50.2
app_file: app.py
pinned: false
license: mit

🎵 WavLM-Large Demo

Este é uma demonstração interativa do modelo WavLM-Large da Microsoft, disponibilizado através do repositório marcosremar2/wavlm-large-deploy.

🚀 Funcionalidades

• Processamento de Áudio: Carregue arquivos de áudio e veja as features extraídas
• Visualizações: Forma de onda e mapa de calor das features
• Informações Detalhadas: Estatísticas do áudio e saída do modelo
• Interface Amigável: Interface web intuitiva com Gradio

🎯 Como usar

1. Carregue um arquivo de áudio (WAV, MP3, FLAC, M4A)
2. Clique em "Processar Áudio"
3. Veja as visualizações e informações extraídas

📊 Sobre o WavLM-Large

O WavLM-Large é um modelo de aprendizado auto-supervisionado para processamento de fala com:

• 317M parâmetros
• Treinado em 94k horas de áudio de múltiplas fontes
• Arquitetura: 24 camadas transformer
• Aplicações: Reconhecimento de fala, classificação de áudio, verificação de locutor

📚 Referências

• Paper: WavLM: Large-Scale Self-Supervised Pre-Training for Full Stack Speech Processing
• Repositório Original: microsoft/unilm/wavlm
• Modelo: marcosremar2/wavlm-large-deploy

🛠️ Tecnologias Utilizadas

• Gradio: Interface web interativa
• Transformers: Carregamento e uso do modelo
• LibROSA: Processamento de áudio
• Matplotlib/Seaborn: Visualizações

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference