Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base
Библиотека: transformers
Опубликована: 22 авг 2026

Ссылки

Hugging Face

my_language_model

Ritesh-kumar-07

Классификация текстаТекст → label

Дообученная wav2vec2-base модель для классификации аудио.

18скачиваний за 30 дней0лайковвеса обновлены22 авг 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

Модель Ritesh-kumar-07/my_language_model — дообученная версия facebook/wav2vec2-base с архитектурой Wav2Vec2ForSequenceClassification. Она предназначена для классификации аудио; карточка также указывает поддержку классификации текста, но README не описывает такие сценарии. Модель содержит 113,3 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors.

На указанном в карточке наборе оценки модель получила accuracy 0,0 и loss 4,4688, поэтому приведённые результаты не подтверждают её практическую пригодность. Датасет и целевые классы не описаны. Лицензия — Apache-2.0.

Сценарии применения

классификация аудиозаписей по категориям

Ограничения

На указанном наборе оценки accuracy равна 0,0; целевые классы и обучающий датасет не описаны. Практическую пригодность модели следует считать неподтверждённой.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_language_model

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

Loss: 4.4688
Accuracy: 0.0

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: 1e-05
train_batch_size: 2
eval_batch_size: 2
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
4.4844	1.0	35	4.4688
4.4691	2.0	70	4.4883
4.4355	3.0	105	4.5020
4.4457	4.0	140	4.5200
4.4246	5.0	175	4.5312
4.4492	6.0	210	4.5454
4.4066	7.0	245	4.5562
4.4094	8.0	280	4.5645
4.3883	9.0	315	4.5710
4.3910	10.0	350	4.5734

Framework versions

Transformers 5.15.0
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

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры: Wav2Vec2ForSequenceClassification
Ревизия весов: b17b107