Дообученная wav2vec2-base классифицирует музыкальные записи по десяти жанрам из набора GTZAN.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
GlowLED/wav2vec2-gtzan — модель на архитектуре wav2vec2, дообученная на базе facebook/wav2vec2-base для классификации музыкальных жанров по аудио. Она обучена на датасете GTZAN с аугментацией аудиофрагментами по 15 секунд и распознаёт один из 10 жанров. В README указана точность 0,92 на уровне песни и 0,8894 для отдельных окон; модель рассчитана на применение через Transformers AutoModelForAudioClassification. Веса опубликованы в формате safetensors, размер модели — 113,3 млн параметров. Лицензия в доступных сведениях не указана.
Модель ориентирована на 10 жанров GTZAN; заявленная точность относится к этому набору данных и не гарантирует аналогичных результатов на других музыкальных жанрах или аудиозаписях.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fine-tuned facebook/wav2vec2-base for GTZAN music-genre classification (10 classes). Trained with 15s-window augmentation on sanchit-gandhi/gtzan; song-level accuracy 0.92 (window 0.8894). Use with AutoModelForAudioClassification.
# audio-classification
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.