/ Модель

Характеристики

Параметры
113 млн
Архитектура
audio-spectrogram-transformer · dense
Базовая модель
ast-finetuned-audioset-10-10-0.4593
Библиотека
transformers
Опубликована
12 дек 2024

ai_music_detection_large_10.24s

Классификация аудиоАудио → label3 профессии

AST-модель классифицирует короткие музыкальные фрагменты как созданные ИИ или человеком.

68скачиваний за 30 дней0лайковвеса обновлены12 дек 2024

Бенчмарки

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

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

AI-Music-Detection/ai_music_detection_large_10.24s — модель классификации аудио, дообученная на наборе SleepyJesse/ai_music_large на базе MIT/ast-finetuned-audioset-10-10-0.4593. Она предназначена для определения, создан ли музыкальный фрагмент искусственным интеллектом или человеком. Архитектура — Audio Spectrogram Transformer (AST), около 113,2 млн параметров; модель принимает аудио длиной до 10,24 секунды и выдаёт класс аудиофрагмента.

Для обучения использован набор SleepyJesse/ai_music_large с разделением train/test 80/20 и аугментацией аудио с вероятностью 0,8. Карточка не сообщает показатели качества и перечень поддерживаемых языков. Модель опубликована в формате safetensors и использует библиотеку Transformers. Условия лицензирования в доступных данных не описаны.

Сценарии применения

  • проверка, создана ли музыкальная композиция генеративным ИИ
  • предварительная сортировка аудиозаписей по происхождению
  • анализ музыкальных фрагментов длительностью до 10,24 секунды

Ограничения

Модель описана для классификации музыкальных фрагментов длиной до 10,24 секунды; показатели качества и лицензия в доступных данных не приведены.

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

ai_music_detection_large_10.24s

This model was trained from mit/ast-finetuned-audioset-10-10-0.4593 on the SleepyJesse/ai_music_large dataset.

Model description

The model was trained with max_length = 1024, which is 10.24 seconds.

Intended uses & limitations

This model is used to classify a given music piece is AI-generated or human-composed.

Training and evaluation data

The SleepyJesse/ai_music_large dataset was used, with 80% train/test split, and 0.8 probability for audio data augmentation.

Training procedure

See the file ai_music_detection_new_large.ipynb and training metrics.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 2
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 10

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ASTForAudioClassification
Ревизия весов
e8b373f

0 моделей