/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-finetuned
Опубликована
13 сен 2026

decodeX-audio-detection

Классификация текстаТекст → label3 профессии

Модель на базе Wav2Vec 2.0 классифицирует аудио для обнаружения дипфейковой и синтетически сгенерированной речи.

52скачиваний за 30 дней4лайкавеса обновлены13 сен 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

Aryan1245678 разработал модель для классификации аудио, дообучив Wav2Vec 2.0 на основе mo-thecreator/wav2vec2-base-finetuned. Она предназначена для обнаружения дипфейков и синтетически сгенерированной речи, в том числе в сценариях анализа аудио в реальном времени. Модель содержит 113,3 млн параметров, использует архитектуру Wav2Vec2ForSequenceClassification и распространяется в формате safetensors.

В README указаны точность 0,9882 и потеря 0,0829 на оценочной выборке; сведения о наборе данных и подробностях оценки отсутствуют. Модель распространяется по лицензии Apache-2.0. Языковая поддержка и ограничения в карточке не описаны.

Сценарии применения

  • проверка голосовой записи на признаки дипфейка
  • выявление синтетической речи в аудиопотоке
  • фильтрация подозрительных голосовых сообщений
  • анализ подлинности аудио перед публикацией

Ограничения

Набор данных и условия оценки не описаны, поэтому заявленную точность нельзя уверенно переносить на другие аудиоданные. Языки и ограничения по длительности или качеству записей не указаны.

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

Deepfake Audio Detection Engine

Fine-tuned Wav2Vec 2.0 model for real-time deepfake and synthetic voice detection.

wav2vec2-base-finetuned-finetuned

This model is a fine-tuned version of mo-thecreator/wav2vec2-base-finetuned on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0829
  • Accuracy: 0.9882

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

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

Contributors

  • Abdalla312
  • mo-thecreator

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
8a88ec1

0 моделей