/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
audio-spectrogram-transformer · dense
Базовая модель
ast-finetuned-audioset-10-10-0.4593
Опубликована
12 апр 2026

ast-esc50-finetuned-fold1

Классификация аудиоАудио → label3 профессии

Дообученный AST-классификатор определяет звуковые события из набора ESC-50 по аудиозаписи.

68скачиваний за 30 дней2лайкавеса обновлены13 апр 2026

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

Модель Adam-ousse/ast-esc50-finetuned-fold1 — дообученный классификатор звуков на базе Audio Spectrogram Transformer (AST), разработанный сообществом Adam-ousse. Она использует базовую модель MIT/ast-finetuned-audioset-10-10-0.4593 с заменённой классификационной головой и настроена на 50 классов набора ESC-50. Модель принимает аудио и выдаёт класс звукового события; её можно применять для распознавания бытовых, природных и других звуков из ESC-50. Размер — 113,2 млн параметров; веса сохранены в формате safetensors.

В описанном эксперименте Fold 1 использовался как тестовая выборка, Fold 2 — как валидационная, остальные folds — для обучения. Указанная точность на тестовой выборке — 0,935. Для оценки по всему набору автор рекомендует обучить и проверить все пять folds и привести среднее значение. Лицензия — MIT.

Сценарии применения

  • классификация звуков природы по записи
  • распознавание бытовых звуков
  • определение класса звукового события из ESC-50

Ограничения

Чекпойнт настроен на ESC-50 и один протокол разбиения данных; точность на Fold 1 не отражает средний результат по всем пяти folds. Для публикационной оценки автор рекомендует провести обучение и тестирование на всех folds.

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

AST Fine-Tuned on ESC-50 (Fold 1)

This checkpoint is an AST audio classifier fine-tuned on ESC-50 from the base model MIT/ast-finetuned-audioset-10-10-0.4593 (took the feature extractor and replaced the classification head to match ESC-50 dataset).

Training Setup

  • Dataset: ESC-50
  • Split protocol: Fold 1 as test, Fold 2 as validation, remaining folds as train
  • Base model: MIT/ast-finetuned-audioset-10-10-0.4593
  • Epochs: 30
  • Batch size: 32
  • Learning rate: 5e-5
  • Weight decay: 1e-4
  • Warmup ratio: 0.1
  • Seed: 42

Results

  • Best validation accuracy: 0.9675 (epoch 7)
  • Test accuracy (fold 1): 0.9350
  • Test loss (fold 1): 0.2708

Usage

from transformers import AutoFeatureExtractor, ASTForAudioClassification

repo_id = "Adam-ousse/ast-esc50-finetuned-fold1"
feature_extractor = AutoFeatureExtractor.from_pretrained(repo_id)
model = ASTForAudioClassification.from_pretrained(repo_id)
model.eval()

Notes

  • This checkpoint corresponds to one fold setup (test fold 1).
  • For publication-grade reporting, train and report all 5 folds and provide mean accuracy.

Как запустить

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

GPU в ailist

Универсальный рантайм · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ASTForAudioClassification
Ревизия весов
fb2443e

0 моделей