Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 20 июн 2024

Ссылки

Hugging Face

wav2vec2-base-ASVSpoof5_TUC-N

DavidCombei

Классификация текстаТекст → label3 профессии

Дообученная wav2vec2-base модель для классификации аудиозаписей, связанная с задачей ASVspoof.

70скачиваний за 30 дней0лайковвеса обновлены20 июн 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

DavidCombei/wav2vec2-base-ASVSpoof5_TUC-N — модель классификации аудио на базе wav2vec2-base, дообученная разработчиком на неизвестном наборе данных. Она предназначена для присвоения аудиозаписям меток; название репозитория указывает на связь с задачей ASVspoof, однако README не описывает назначение меток и сценарий применения подробнее. Модель содержит 113,3 млн параметров и распространяется в формате PyTorch.

На указанном в карточке наборе оценки модель достигла accuracy 0,8889 и loss 0,3502. Лицензия — Apache-2.0. Данные о языках, ограничениях применения и составе обучающего набора в карточке отсутствуют.

Сценарии применения

классификация аудиозаписей для экспериментов ASVspoof
оценка аудиозаписей моделью классификации

Ограничения

README не раскрывает обучающий набор данных, значение классов и предполагаемые сценарии применения. Приведённые метрики относятся только к указанному набору оценки; данных о переносе качества на другие аудиозаписи нет.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-ASVSpoof5_27k_TEST

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: 0.3502
Accuracy: 0.8889

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: 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 Loss	Epoch	Step	Validation Loss	Accuracy
0.3257	1.0	211	0.3502	0.8889
0.3488	2.0	422	0.3495	0.8889
0.3404	3.0	633	0.3500	0.8889
0.3452	4.0	844	0.3495	0.8889
0.3354	5.0	1055	0.3493	0.8889

Framework versions

Transformers 4.30.0
Pytorch 2.3.1+cu121
Datasets 2.20.0
Tokenizers 0.13.3

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: 189ac28