/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
10 окт 2026

DecodeX_V1

Классификация текстаТекст → label

Модель на базе Wav2Vec 2.0 классифицирует аудио для обнаружения синтетической и клонированной речи в потоках реального времени.

30скачиваний за 30 дней0лайковвеса обновлены10 окт 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

DecodeX V1 — модель классификации аудио от разработчика Aryan1245678, основанная на архитектуре Wav2Vec 2.0. Она предназначена для обнаружения синтетической речи, дипфейков голоса и попыток клонирования голоса в аудиопотоках; в карточке заявлена работа с сырым PCM-аудио в режиме реального времени для корпоративной телефонии, SIP-транков и периферийных устройств. Модель содержит 113,3 млн параметров, а веса опубликованы в формате safetensors. В README приведены результаты оценки: точность 0,9882 и loss 0,0829.

Модель может применяться как первая линия защиты от голосового мошенничества и подмены голоса. Метаданные указывают лицензию Apache-2.0. README не сообщает языковой охват, длительность аудио на входе или результаты проверки в реальных телефонных сетях, поэтому переносимость заявленной точности на такие условия не подтверждена.

Сценарии применения

  • обнаружение дипфейков голоса в телефонных звонках
  • выявление клонированной речи в SIP-трафике
  • фильтрация синтетических голосов в корпоративной телефонии
  • проверка аудиопотоков на голосовой спуфинг
  • защита голосовых каналов от аудиомошенничества

Ограничения

Заявленные показатели точности приведены для оценочного набора, но его состав и условия в карточке не описаны. Языковой охват и устойчивость к реальным телефонным каналам не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DecodeX Base: Real-Time Neural Audio Engine

This is the primary foundational model for the DecodeX audio verification platform, running in parallel with V2 to provide highly accurate, real-time deepfake and synthetic voice detection. It achieves the following results on the evaluation set:

  • Loss: 0.0829
  • Accuracy: 0.9882

Model description

DecodeX Base operates as the core Wav2Vec 2.0 layer in our dual-engine cross-verification architecture. It is optimized for high-speed inference on raw PCM audio streams, specifically designed to identify zero-day synthetic voices and voice cloning attempts before they breach communication networks.

Intended uses & limitations

Intended for deployment in enterprise PBX systems, SIP trunks, and local edge hardware to act as a first line of defense against AI-generated social engineering and spoofing attacks.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5

Training results

Training LossEpochStepAccuracyValidation Loss
0.14481.019000.96010.1447
0.06732.038000.98240.0817
0.01783.057000.97960.1054
0.00024.076000.98240.1074
0.01085.095000.98820.0829

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
a552b96

0 моделей