Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-korean
Библиотека: transformers
Опубликована: 12 окт 2026

Ссылки

audio_cls

Классификация текстаТекст → label

Дообученная 113,3-миллионная Wav2Vec2-модель для классификации аудио, качество которой следует проверять на целевых данных.

7скачиваний за 30 дней0лайковвеса обновлены12 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

DohyeonHong/audio_cls — модель классификации аудио на основе архитектуры Wav2Vec2, дообученная автором репозитория от Kkonjeong/wav2vec2-base-korean. Она содержит 113,3 млн параметров и предназначена для отнесения аудиовхода к классам. Точный набор классов и обучающий датасет не описаны.

README сообщает метрики на оценочной выборке: accuracy 0,084 и loss 2,6514. Низкая точность не подтверждает пригодность модели для практического применения без дополнительной проверки. Репозиторий содержит веса в формате safetensors; лицензия для этой модели в предоставленных данных не указана.

Сценарии применения

Классификация аудиозаписей по заданным классам
Экспериментальная оценка аудиоклассификатора на пользовательских данных
Проверка предсказаний модели для задач распознавания звуков

Ограничения

Набор классов и обучающий датасет не описаны; на оценочной выборке указана точность 0,084. Лицензия модели не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audio_cls

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

Loss: 2.6514
Accuracy: 0.0840

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: 0.0001
train_batch_size: 4
eval_batch_size: 4
seed: 42
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
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	119	2.6934	0.0840
No log	2.0	238	2.6720	0.0420
No log	3.0	357	2.6502	0.0504
No log	4.0	476	2.6689	0.0504
2.6610	5.0	595	2.6595	0.0420
2.6610	6.0	714	2.6592	0.0504
2.6610	7.0	833	2.6628	0.0504
2.6610	8.0	952	2.6583	0.0420
2.6443	9.0	1071	2.6500	0.0672
2.6443	10.0	1190	2.6514	0.0840

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

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: 454238d