Mindket

MSEB Leaderboard

新上架第 1 版 · 更新于

概览

Google 发布的 Massive Sound Embedding Benchmark 的排行榜页面,用 Gradio 搭建。适合比较声音嵌入模型的研究者。

MSEB Leaderboard 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 如果只用在线 Space,就什么都不用装
  • 本地副本需要 Python 3.13 和 pip
  • requirements.txt 里列出的 Python 包
用在
  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 你自己的电脑,作为本地副本,前提是装好了 Python 3.13
先运行
pip install -U huggingface_hub
hf download google/mseb-leaderboard --repo-type space --local-dir mseb-leaderboard
cd mseb-leaderboard

关于

它是什么

这是 Google 发布的 Massive Sound Embedding Benchmark 的 Gradio 排行榜。页面自己的说明只有一行,所以这里没有任务和评分的细节。仓库里有一个结果文件夹和一个源码文件夹,这个 Space 在 Hugging Face 的基础 CPU 档位上运行。

适合谁

研究声音或语音嵌入、想看模型怎么排名的研究者,以及想要一个由已存结果文件支撑的 Gradio 排行榜示例的开发者。

IndustryWho uses itHow they use itExample
研究音频和语音研究者查看声音嵌入模型的排名找到自己关注的模型排在哪里
软件开发者阅读 app.py 和 src,看结果是怎么展示的把这套布局复用到自己的排行榜
学术界基准使用者在选模型之前先看它的名次从表格里比较两个模型

如果你需要任务描述或评分规则,可以跳过它,因为页面没有给出。

用在哪里

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 你自己的电脑,作为本地副本,前提是装好了 Python 3.13
Use caseWhoWhat they get back
查看模型排名研究者这个基准上的结果排行榜
研究这个应用开发者一个带结果文件夹、可以阅读的 Gradio 应用

如何设置

  • 如果只用在线 Space,就什么都不用装
  • 本地副本需要 Python 3.13 和 pip
  • requirements.txt 里列出的 Python 包
  1. 想在线使用,就打开 Hugging Face 上这个 Space 的页面。
  2. 想要本地副本,先安装 Hugging Face hub 包,再下载这个 Space。
  3. 进入新文件夹,安装指定版本的 Gradio。
  4. 安装 requirements.txt 里的包。
  5. 用 Python 启动应用。
pip install -U huggingface_hub
hf download google/mseb-leaderboard --repo-type space --local-dir mseb-leaderboard
cd mseb-leaderboard
pip install gradio==5.50.0
pip install -r requirements.txt
python app.py

这个仓库很大,有 1996 个文件,大部分在结果文件夹下。页面没有说明本地运行除了这些包还需要什么。

如何使用

在线使用时,打开这个 Space,读页面上的排行榜。在自己的电脑上,运行应用文件,然后在浏览器里打开 Gradio 提供的页面。页面没有列出其他命令。

ToolWhat it does
python app.py在你的电脑上启动 Gradio 排行榜

示例

你打开这个 Space,看声音嵌入模型在这个基准上是怎么比较的。你找到自己正在考虑的模型,读它和其他模型比排在哪里。

新手与专家

如果你是新手,声音嵌入就是把音频变成数字,让相似的声音靠得很近。先在线打开这个 Space,从表格顶部读起。

如果你熟悉这个领域,页面没有列出任务、指标,也没有说明怎么添加模型。要了解这些细节,请先找这个基准自己的文档,再从名次得出结论。

  1. 在浏览器里打开 Space
  2. 应用加载已存的结果
  3. 画出排行榜
  4. 你读模型的排名

注意事项

  • License: apache-2
  • Cost to run: 没有提到费用
  • Data it reaches: 仓库里已存的结果文件

README 和文件

README

MSEB Leaderboard

Google 发布的 Massive Sound Embedding Benchmark 的排行榜页面,用 Gradio 搭建。适合比较声音嵌入模型的研究者。

由 google 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这是 Google 发布的 Massive Sound Embedding Benchmark 的 Gradio 排行榜。页面自己的说明只有一行,所以这里没有任务和评分的细节。仓库里有一个结果文件夹和一个源码文件夹,这个 Space 在 Hugging Face 的基础 CPU 档位上运行。

适合谁:研究声音或语音嵌入、想看模型怎么排名的研究者,以及想要一个由已存结果文件支撑的 Gradio 排行榜示例的开发者。

Industry | Who uses it | How they use it | Example
研究 | 音频和语音研究者 | 查看声音嵌入模型的排名 | 找到自己关注的模型排在哪里
软件 | 开发者 | 阅读 app.py 和 src,看结果是怎么展示的 | 把这套布局复用到自己的排行榜
学术界 | 基准使用者 | 在选模型之前先看它的名次 | 从表格里比较两个模型

如果你需要任务描述或评分规则,可以跳过它,因为页面没有给出。

用在哪里:

  • 网页浏览器,在 Hugging Face 上这个 Space 的页面里
  • 你自己的电脑,作为本地副本,前提是装好了 Python 3.13
Use case | Who | What they get back
查看模型排名 | 研究者 | 这个基准上的结果排行榜
研究这个应用 | 开发者 | 一个带结果文件夹、可以阅读的 Gradio 应用

如何设置:

  • 如果只用在线 Space,就什么都不用装
  • 本地副本需要 Python 3.13 和 pip
  • requirements.txt 里列出的 Python 包
  1. 想在线使用,就打开 Hugging Face 上这个 Space 的页面。
  2. 想要本地副本,先安装 Hugging Face hub 包,再下载这个 Space。
  3. 进入新文件夹,安装指定版本的 Gradio。
  4. 安装 requirements.txt 里的包。
  5. 用 Python 启动应用。
pip install -U huggingface_hub
hf download google/mseb-leaderboard --repo-type space --local-dir mseb-leaderboard
cd mseb-leaderboard
pip install gradio==5.50.0
pip install -r requirements.txt
python app.py

这个仓库很大,有 1996 个文件,大部分在结果文件夹下。页面没有说明本地运行除了这些包还需要什么。

如何使用:在线使用时,打开这个 Space,读页面上的排行榜。在自己的电脑上,运行应用文件,然后在浏览器里打开 Gradio 提供的页面。页面没有列出其他命令。

Tool | What it does
python app.py | 在你的电脑上启动 Gradio 排行榜

示例:你打开这个 Space,看声音嵌入模型在这个基准上是怎么比较的。你找到自己正在考虑的模型,读它和其他模型比排在哪里。

新手与专家:如果你是新手,声音嵌入就是把音频变成数字,让相似的声音靠得很近。先在线打开这个 Space,从表格顶部读起。

如果你熟悉这个领域,页面没有列出任务、指标,也没有说明怎么添加模型。要了解这些细节,请先找这个基准自己的文档,再从名次得出结论。

在浏览器里打开 Space
应用加载已存的结果
画出排行榜
你读模型的排名

注意事项:

  • License: apache-2
  • Cost to run: 没有提到费用
  • Data it reaches: 仓库里已存的结果文件

Hugging Face 上的数据(2026年11月13日)

  • 点赞:5
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/google/mseb-leaderboard
  • 文件:https://huggingface.co/spaces/google/mseb-leaderboard/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
MSEB Leaderboard 本页5gradioapache-2.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架