Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-korean
Библиотека: transformers
Опубликована: 12 окт 2026

Ссылки

Hugging Face

audio_cls

PGST89

Классификация текстаТекст → label

Дообученный классификатор аудио на базе корейской Wav2Vec2, предназначение и набор классов которого не раскрыты.

10скачиваний за 30 дней0лайковвеса обновлены12 окт 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

PGST89/audio_cls — дообученная модель классификации аудио на базе Kkonjeong/wav2vec2-base-korean. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; репозиторий представлен в формате safetensors. Метаданные относят модель к задачам audio-classification и text-classification, однако карточка не объясняет набор классов и предполагаемые сценарии применения.

В README приведены результаты оценки: accuracy 0,0588 и loss 2,6576. Эти показатели указывают на низкую точность в указанной оценке и ограничивают уверенность в практической пригодности модели. Данные обучения обозначены как неизвестный набор. Базовая модель предназначена для корейской речи, но карточка не подтверждает, что дообученный классификатор сохраняет или расширяет эту языковую специализацию. Условия лицензии в предоставленных сведениях не описаны.

Сценарии применения

экспериментальная классификация аудиозаписей
оценка аудиоклассификатора на собственном наборе данных
исследование дообучения Wav2Vec2 для классификации звука

Ограничения

В README указаны низкая точность на оценочном наборе (0,0588) и loss 2,6576; набор классов и данные обучения не раскрыты. Лицензия и языковая специализация дообученной модели в предоставленных сведениях не подтверждены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audio_cls

This model is a fine-tuned version of Kkonjeong/wav2vec2-base-korean on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.6576
Accuracy: 0.0588

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: 0.0001
train_batch_size: 4
eval_batch_size: 4
seed: 42
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: linear
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	119	2.6581	0.0504
No log	2.0	238	2.6617	0.0504
No log	3.0	357	2.6552	0.0588
No log	4.0	476	2.6575	0.0504
2.6586	5.0	595	2.6605	0.0504
2.6586	6.0	714	2.6604	0.0504
2.6586	7.0	833	2.6580	0.0504
2.6586	8.0	952	2.6558	0.0588
2.6424	9.0	1071	2.6566	0.0588
2.6424	10.0	1190	2.6576	0.0588

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры: Wav2Vec2ForSequenceClassification
Ревизия весов: 18f2181