/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
18 сен 2026

korea_baseball_team_goldmedal

Классификация текстаТекст → label3 профессии

Дообученная на базе Wav2Vec2 модель для классификации аудио, показавшая низкую точность в опубликованной оценке.

116скачиваний за 30 дней0лайковвеса обновлены18 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

koreabaseballteamgoldmedal — дообученная модель на архитектуре Wav2Vec2ForSequenceClassification, созданная на основе facebook/wav2vec2-base. Она предназначена для классификации аудио; набор данных и целевые классы в карточке не описаны. Модель содержит 113,3 млн параметров, распространяется в формате safetensors и использует лицензию Apache-2.0.

В README приведены результаты оценки: accuracy 0,0442 и loss 2,6791. Эти показатели указывают на низкую точность в указанной оценке, поэтому пригодность модели для практического распознавания классов аудио не подтверждена.

Сценарии применения

  • экспериментальная классификация аудиозаписей
  • проверка классификатора на собственных аудиоданных
  • изучение дообучения Wav2Vec2 для классификации аудио

Ограничения

В README не раскрыты набор данных и целевые классы. На оценочном наборе указана точность 0,0442, что свидетельствует о слабом результате; обобщение на другие данные не подтверждено.

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

korea_baseball_team_goldmedal

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.6791
  • Accuracy: 0.0442

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: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 3
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
No log1.042.67380.0354
No log2.082.67910.0442
9.84933.0122.67640.0442
9.84934.0162.67670.0354
9.57905.0202.68300.0088
9.57906.0242.68390.0
9.57907.0282.68790.0088
9.77738.0322.68830.0177
9.77739.0362.68650.0177
9.467910.0402.68580.0088

Framework versions

  • Transformers 5.16.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.8.5
  • Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
af24298

0 моделей