Модель на базе Wav2Vec2 классифицирует аудио, чтобы выявлять поддельную синтетическую речь.
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
Gustking/wav2vec2-large-xlsr-deepfake-audio-classification — модель классификации аудио для определения поддельной синтетической речи. Она создана дообучением Wav2Vec2-large-xlsr-53; архитектура — Wav2Vec2ForSequenceClassification, размер — 402,7 млн параметров. Модель принимает аудио и классифицирует его, помогая выявлять deepfake-записи.
В README приведены результаты оценки: F1 0,95 на оценочных данных, а на подмножестве ASVspoof2019 — accuracy 0,9286, precision 0,9999, recall 0,9205, F1 0,9363 и EER 0,0401. Эти показатели относятся к указанным наборам оценки и сами по себе не гарантируют такую же точность на других данных. Модель опубликована под лицензией Apache-2.0.
Метрики указаны для оценочных данных и подмножества ASVspoof2019; качество на других источниках и условиях записи может отличаться. Языковой охват и устойчивость к новым способам синтеза в карточке не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is a fine tuning for the deepfake audio classification task.
It achieves the following results on its evalutation data:
F1: 0.95
Loss: 0.4056
It achieves the following results on ASVspoof2019 evaluation subset:
Accuracy:0.9286
Precision:0.9999
Recall:0.9205
F1-Score:0.9363
Equal Error Rate (EER): 0.0401
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.