Характеристики

Параметры: 18,9 млн
Архитектура: hubert · dense
Библиотека: transformers
Опубликована: 9 апр 2025

Ссылки

Hugging Face arXiv 1910.09700

distilhubert-finetuned-audio-deepfake-in-the-wild

Классификация текстаТекст → label3 профессии

Компактная модель на базе HuBERT для классификации аудиозаписей и выявления дипфейков в условиях реального использования.

415скачиваний за 30 дней0лайковвеса обновлены9 апр 2025

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

Om-Parab/distilhubert-finetuned-audio-deepfake-in-the-wild — модель классификации аудио на базе архитектуры HuBERT, дообученная для выявления дипфейков в аудиозаписях, созданных в условиях реального использования. Модель разработана и опубликована пользователем Om-Parab на Hugging Face; точные сведения о разработчике, исходной модели и наборе данных в карточке не приведены.

Модель предназначена для анализа аудиофайлов и определения признаков синтетической или изменённой речи. Её можно применять в системах проверки подлинности медиаданных, предварительного анализа голосовых сообщений, фильтрации подозрительных записей и исследовании аудиодипфейков. Размер модели составляет 18,9 млн параметров; для работы используется библиотека Transformers и формат safetensors.

README не содержит сведений о лицензии, поддерживаемых естественных языках, длине аудиофрагмента, метриках качества, порогах классификации или результатах оценки. Поэтому выводы модели следует использовать как вспомогательный сигнал, а не как окончательное доказательство подделки.

Сценарии применения

выявление синтетической речи в голосовых сообщениях
проверка подлинности аудиозаписей
предварительный анализ подозрительных телефонных звонков
фильтрация аудиодипфейков в медиамониторинге
исследование методов обнаружения поддельного голоса

Ограничения

В README отсутствуют сведения о качестве, тестовых данных, поддерживаемых языках, пороге принятия решения и лицензии. Результаты классификации не следует трактовать как окончательное доказательство подлинности или подделки аудио.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

Developed by: [More Information Needed]
Funded by [optional]: [More Information Needed]
Shared by [optional]: [More Information Needed]
Model type: [More Information Needed]
Language(s) (NLP): [More Information Needed]
License: [More Information Needed]
Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

Repository: [More Information Needed]
Paper [optional]: [More Information Needed]
Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

Hardware Type: [More Information Needed]
Hours used: [More Information Needed]
Cloud Provider: [More Information Needed]
Compute Region: [More Information Needed]
Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры: HubertForSequenceClassification
Ревизия весов: c17cdad