/ Модель

Характеристики

Лицензия
MIT
Опубликована
28 сен 2026

DualCounter

Классификация аудиоАудио → label

DualCounter подсчитывает повторяющиеся звуки в аудиозаписях, сочетая две независимые архитектуры подсчёта.

0скачиваний за 30 дней1лайквеса обновлены29 сен 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

DualCounter — модель для подсчёта повторяющихся звуков в аудиозаписи без обучения на конкретных классах звуков. Она предназначена, например, для подсчёта ударов часов, ударов молотка или сердечных сокращений. Модель разработана как система из двух независимых компонентов: WavCounter предсказывает тепловую карту повторений по аудиосигналу, а TSSMCounter строит матрицу временного самоподобия на признаках Wav2Vec2 и напрямую классифицирует количество повторов с помощью vision transformer DINO. Если качество тепловой карты WavCounter низкое, система использует предсказание TSSMCounter.

DualCounter обучена на синтетических наборах RepeatSynth и оценивалась без дополнительного обучения на реальных аудиозаписях RepeatReal из механической, медицинской и экологической областей. Для запуска требуются код обучения или инференса из связанного репозитория; компонент TSSMCounter автоматически загружает веса DINO через torch.hub. Репозиторий содержит веса PyTorch. Лицензия — MIT.

Сценарии применения

  • подсчёт ударов часов в аудиозаписи
  • подсчёт ударов молотка и других повторяющихся механических звуков
  • подсчёт сердечных сокращений по записи
  • подсчёт повторяющихся звуков в экологических аудиозаписях

Ограничения

Оценка на реальных записях описана как zero-shot для перечисленных механических, медицинских и экологических областей; сведений о точности или устойчивости в других условиях в карточке нет. Для запуска нужны код из связанного репозитория и загрузка весов DINO через torch.hub.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for DualCounter

Class-agnostic audio repetition counting: counting repeated sounds in an audio waveform (a clock striking, hammer blows, a heartbeat, etc.) without training on those specific sound classes.

Code: https://github.com/Hamozwa/audio-counting

Paper: [link] · Demo: https://huggingface.co/spaces/Hamozwa/dualcounter

Datasets: https://huggingface.co/datasets/Hamozwa/RepeatSynth · https://huggingface.co/datasets/Hamozwa/RepeatReal

Model Description

DualCounter runs two independent counting architectures and combines their predictions:

  • WavCounter regresses a repetition heatmap over the waveform and derives a count from it via a Schmitt trigger.
  • TSSMCounter builds a temporal self-similarity matrix from Wav2Vec2 features and classifies the count directly with a DINO vision transformer.

DualCounter runs both and falls back to TSSMCounter's prediction when the WavCounter heatmap is judged low quality.

Repository Contents

wav_counter/    checkpoint for the WavCounter model
tssm_counter/   checkpoint for the TSSMCounter model

Usage

Load and run these checkpoints using the training/inference code in the linked GitHub repo (WavCounter_tester.py, TSSMCounter_tester.py, DualCounter.py). DINO weights are pulled automatically via torch.hub (facebookresearch/dino) when running TSSMCounter.

Training Data

Trained on the synthetic datasets in RepeatSynth. Evaluated zero-shot on the real-world recordings in RepeatReal, covering mechanical, medical, and ecological domains.

Citation

[Your paper's BibTeX entry here]

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
868df03

0 моделей