/ Модель

Характеристики

Лицензия
MIT
Архитектура
custom · dense
Базовая модель
wavlm-base
Библиотека
transformers
Опубликована
22 сен 2026

chucklenet-verified

Классификация аудиоАудио → label3 профессии

Модель на базе WavLM выявляет и оценивает вероятность смеха в коротких аудиоокнах, прежде всего в записях англоязычного стендапа.

12скачиваний за 30 дней0лайковвеса обновлены22 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

ChuckleNet Verified — модель классификации аудио, разработанная автором репозитория Hayasuki/chucklenet-verified для обнаружения и прогнозирования смеха в аудиозаписях. Она дообучена на базе microsoft/wavlm-base: замороженный WavLM извлекает признаки из окон аудио длительностью 25 мс, а дополнительная MLP-голова с признаками просодии выдаёт вероятность смеха для каждого окна. Размер MLP-головы — около 230 тысяч параметров.

Модель обучена на 87 видео стендап-выступлений с проверенными человеком метками смеха. На обучающей выборке заявлен F1 0,975, а IoU-F1 на отдельной подборке из 118 видео с проверенными метками составляет 0,3302. Модель предназначена для поиска и временной локализации смеха в англоязычных стендап-записях; заявленные результаты указывают на заметный разрыв между обучающей и проверочной выборками. Для весов указана лицензия MIT.

Сценарии применения

  • поиск моментов смеха в аудиозаписи стендап-выступления
  • оценка вероятности смеха по коротким фрагментам аудио
  • разметка временных интервалов смеха в видеозаписи по звуковой дорожке

Ограничения

На обучающих данных заявлен F1 0,975, тогда как IoU-F1 на отдельной проверенной выборке из 118 видео составляет 0,3302, что указывает на ограниченное обобщение. Модель обучена на англоязычном стендапе и может хуже работать на других жанрах комедии.

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

🎭 ChuckleNet — Verified Laughter Anticipation Model

Human-verified labels. Honest evaluation.

This is the verified ChuckleNet model trained on 87 Gillick videos with human-audited laughter labels (not weak VTT transcript markers).

⚠️ This model uses human-verified labels. On a 118-video human-verified subset it achieves IoU-F1 0.3302. See the paper draft for pre-registered experimental protocol.


Key Differences from Previous HF Model

AspectPrevious (Weak Labels)This Model (Verified)
Training labelsVTT [laughter] markersHuman-audited Gillick labels
Training videos620 videos (weak)87 videos (verified)
F1 score0.30-0.40 (on human subset)0.975 (on training set)
GeneralizationOverfits to transcript markersTests on disjoint comedians

Architecture

  • Frozen backbone: microsoft/wavlm-base (no fine-tuning)
  • Task head: 230K parameter MLP with prosody features
  • Input: 25ms audio windows → 768-dim WavLM embeddings
  • Output: Binary laughter probability per window

Metrics (Pre-registered Evaluation)

MetricValueStandard
F1 (training set)0.975G1 gate passed
IoU-F1 (118v human-verified)0.3302Tier-2 anchor
Average Precision0.2290
Comedian-disjoint Δ+0.1147G3 gate passed
Onset-margin ≥2.5s+0.222G7 gate passed
Beyond transcript (+words)+0.1117 F1G5 gate passed

All 7 scientific gates PASSED. See Decision Graph V3.


⚡ Quick Start

from transformers import pipeline

pipe = pipeline(
    "audio-classification",
    model="Das-rebel/chucklenet-verified",
    trust_remote_code=True
)

# Detect laughter
results = pipe("standup_clip.mp3")

Training Details

  • Framework: PyTorch + Transformers
  • Training set: 87 Gillick videos (human-verified labels)
  • Validation: 20% holdout
  • Optimizer: AdamW, lr=1e-3
  • Epochs: 50 (early stopping)
  • Hardware: NVIDIA P100 (Kaggle GPU)

Limitations

  1. Generalization gap: F1 0.975 on training → 0.33 on held-out 118v shows distribution shift
  2. Single domain: Trained on English stand-up; may not transfer to other comedy genres
  3. No fine-tuning: Frozen WavLM limits adaptation to dataset-specific patterns

Citation

@misc{chucklenet2026,
  author = {Subhajit Das},
  title = {ChuckleNet: Anticipating Audience Laughter from Frozen Speech Representations},
  year = {2026},
  url = {https://github.com/Das-rebel/autonomous_laughter_prediction}
}

License

MIT License


Links

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Нельзя запустить

Архитектура custom неизвестна transformers в образе рантайма.

Класс архитектуры
ChuckleNetVerified
Ревизия весов
0e7f317

0 моделей