/ Модель

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense
Базовая модель
wavlm-base-plus
Библиотека
transformers
Опубликована
23 авг 2026

wavlm-base-plus-finetuned-gtzan

Классификация текстаТекст → label3 профессии

Дообученная на GTZAN модель WavLM классифицирует музыкальные аудиозаписи по жанрам.

17скачиваний за 30 дней0лайковвеса обновлены23 авг 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

Fasih779/wavlm-base-plus-finetuned-gtzan — дообученная на наборе GTZAN модель Microsoft WavLM-Base-Plus для классификации аудио. Она использует архитектуру WavLMForSequenceClassification и содержит 113,3 млн параметров; модель доступна в формате Safetensors и предназначена для определения жанра музыкальной записи по аудиосигналу.

На оценочном наборе указаны accuracy 0,8794 и loss 0,5247. Карточка не уточняет поддерживаемые жанры, ограничения по длительности или частоте дискретизации аудио. Базовая модель WavLM-Base-Plus предварительно обучена для извлечения признаков речи, тогда как этот вариант дообучен для классификации музыки на GTZAN. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение жанра музыкальной записи
  • автоматическая категоризация музыкальной библиотеки
  • разметка музыкальных фрагментов по жанрам

Ограничения

В карточке приведены метрики на оценочном наборе, но не описаны ограничения по длительности и формату аудио или качество на данных вне GTZAN.

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

wavlm-base-plus-finetuned-gtzan

This model is a fine-tuned version of microsoft/wavlm-base-plus on the GTZAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5247
  • Accuracy: 0.8794

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
  • 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: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
1.88161.02241.77300.5025
1.34222.04481.49750.5930
1.06603.06721.24430.6432
0.70294.08960.84790.7487
0.59025.011200.68490.8291
0.47606.013440.59700.8492
0.30547.015680.50850.8744
0.23118.017920.51060.8744
0.32179.020160.52470.8794
0.333010.022400.52790.8643

Framework versions

  • Transformers 5.15.0
  • Pytorch 2.11.0+cu128
  • Datasets 2.21.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wavlm нет загрузчика под задачу text-classification.

Класс архитектуры
WavLMForSequenceClassification
Ревизия весов
dc021f8

0 моделей