/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
audio-spectrogram-transformer · dense
Базовая модель
ast-finetuned-audioset-10-10-0.4593
Опубликована
22 дек 2023

AST-ASVspoof2019-Synthetic-Voice-Detection

Классификация аудиоАудио → label3 профессии

AST-модель, дообученная для классификации аудио и обнаружения синтетического голоса в рамках задачи ASVspoof 2019.

316скачиваний за 30 дней1лайквеса обновлены31 янв 2024

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

MattyB95/AST-ASVspoof2019-Synthetic-Voice-Detection — модель классификации аудио на основе Audio Spectrogram Transformer (AST), дообученная на базе MIT/ast-finetuned-audioset-10-10-0.4593. Репозиторий указывает датасет audiofolder, а название модели связывает её с ASVspoof 2019 и обнаружением синтетического голоса.

Модель предназначена для классификации аудиозаписей при проверке на синтетическую или поддельную речь. Она содержит 113,2 млн параметров и принимает аудио; метаданные указывают английский язык. Лицензия — MIT.

README не приводит метрик оценки и не раскрывает классы, обучающие данные или ограничения, поэтому качество обнаружения и пригодность для конкретных условий записи по карточке оценить нельзя.

Сценарии применения

  • проверка аудиозаписей на синтетическую речь
  • классификация аудио для анализа голосовых подделок
  • исследование обнаружения поддельной речи на материалах ASVspoof 2019

Ограничения

В README не указаны метрики на оценочной выборке, подробности классов и условия тестирования. Поэтому карточка не позволяет судить о точности на новых голосах, языках и условиях записи.

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

AST-ASVspoof2019-Synthetic-Voice-Detection

This model is a fine-tuned version of MIT/ast-finetuned-audioset-10-10-0.4593 on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss:
  • Accuracy:
  • F1:
  • Precision:
  • Recall:

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation LossAccuracyF1PrecisionRecall
1.0
2.0
3.0

Framework versions

  • Transformers 4.36.2
  • Pytorch 2.1.2
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ASTForAudioClassification
Ревизия весов
afd7436

0 моделей