Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-large-xlsr-53-arabic
Библиотека: transformers
Опубликована: 27 июл 2026

Ссылки

Hugging Face

Wav2Vec-SER

MIbrahimAI

Классификация текстаТекст → label3 профессии

Дообученная модель Wav2Vec2 для классификации аудиозаписей речи, вероятно для распознавания эмоций.

11скачиваний за 30 дней0лайковвеса обновлены28 июл 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

MIbrahimAI/Wav2Vec-SER — модель классификации аудио, дообученная на основе elgeish/wav2vec2-large-xlsr-53-arabic. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 402,7 млн параметров; веса опубликованы в формате safetensors. Название SER указывает на распознавание эмоций в речи, однако README не подтверждает перечень классов или набор данных.

Модель предназначена для классификации аудиозаписей речи. В README приведены результаты оценки: accuracy 0,5745 и loss 1,0637; они получены на неизвестном наборе данных и потому не позволяют судить о качестве в других условиях. Базовая модель ориентирована на арабскую речь. Лицензия — Apache-2.0.

Сценарии применения

классификация эмоций в речевых записях
анализ тональности голоса в аудиозаписях
исследовательская оценка эмоциональной окраски речи

Ограничения

README не сообщает названия и состав классов, обучающий набор данных и условия оценки; приведённая accuracy 0,5745 относится к неизвестному набору. Назначение SER предполагается по названию модели, но карточка прямо его не описывает.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Wav2Vec-SER

This model is a fine-tuned version of elgeish/wav2vec2-large-xlsr-53-arabic on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 1.0637
eval_accuracy: 0.5745
eval_runtime: 329.6619
eval_samples_per_second: 13.717
eval_steps_per_second: 1.717
epoch: 1.4938
step: 3800

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
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: 500
num_epochs: 2
mixed_precision_training: Native AMP

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
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

Репозиторий недоступен на Hugging Face.

Класс архитектуры: Wav2Vec2ForSequenceClassification
Ревизия весов: 8e2af4f