/ Модель

Характеристики

Контекст
8 192 токена
Размер весов
16,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_audio · dense
Базовая модель
Qwen2-Audio-7B-Instruct
Библиотека
transformers
Опубликована
16 мая 2025

Auto-ATT

Классификация аудиоАудио → label3 профессии

Auto-ATT оценивает, насколько естественно звучит синтезированная речь, автоматизируя Audio Turing Test.

128скачиваний за 30 дней9лайковвеса обновлены16 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Auto-ATT — модель оценки реалистичности синтезированной речи, разработанная авторами проекта Audio Turing Test. Она дообучена с помощью LoRA на Qwen2-Audio-7B-Instruct и предназначена для массовой оценки аудиозаписей в рамках стандартизированного Audio Turing Test. Модель принимает аудио и выдаёт оценку, позволяя сравнивать системы синтеза речи без ручного прослушивания каждой записи.

Auto-ATT использует архитектуру Qwen2-Audio и обучалась на данных Audio Turing Test, включая дополнительные закрытые оценочные данные. Репозиторий распространяется в формате safetensors; лицензия — Apache-2.0. Модель рассчитана на оценивание аудио, а не на синтез речи или распознавание текста как самостоятельную задачу.

Сценарии применения

  • автоматическая оценка естественности синтезированной речи
  • сравнение качества нескольких систем TTS
  • массовая проверка аудиозаписей без ручного прослушивания

Ограничения

Модель предназначена для оценки в рамках протокола Audio Turing Test; карточка не описывает диапазон оценок, метрики качества или обобщение на аудио вне этого протокола.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Auto-ATT 🔊🤖

Automatically Evaluating the Human-likeness of TTS Systems via Audio-LLM-Based Score Regression

Auto-ATT is a model that LoRA finetuned on Qwen2-Audio-Instruct and offers a plug‑and‑play pipeline to grade “Audio Turing Tests” (ATTs) at scale, producing objective scores that correlate with human judgements––all without manual listening.

About Audio Turing Test (ATT)

ATT is an evaluation framework with a standardized human evaluation protocol and an accompanying dataset, aiming to resolve the lack of unified protocols in TTS evaluation and the difficulty in comparing multiple TTS systems. To further support the training and iteration of TTS systems, we utilized additional private evaluation data to train Auto-ATT model based on Qwen2-Audio-7B, enabling a model-as-a-judge approach for rapid evaluation of TTS systems on the ATT dataset. The datasets and Auto-ATT model can be cound in ATT Collection.

Usage

Inference Code

Datasets & Benchmarks

See ATT Collection.

Citation

@software{Auto-ATT,
  author = {Wang, Xihuai and Zhao, Ziyi and Ren, Siyu and Zhang, Shao and Li, Song and Li, Xiaoyu and Wang, Ziwen and Qiu, Lin and Wan, Guanglu and Cao, Xuezhi and Cai, Xunliang and Zhang, Weinan},
  title = {Audio Turing Test: Benchmarking the Human-likeness and Naturalness of Large Language Model-based Text-to-Speech Systems in Chinese},
  year = {2025},
  url = {https://huggingface.co/Meituan/Auto-ATT},
  publisher = {huggingface},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2AudioForConditionalGeneration
Ревизия весов
5dd1bb0

0 моделей