Характеристики

Параметры: 113 млн
Лицензия: BSD 3-Clause
Архитектура: audio-spectrogram-transformer · dense
Базовая модель: ast-finetuned-audioset-10-10-0.4593
Библиотека: transformers
Опубликована: 1 авг 2026

Ссылки

Hugging Face

AST_ESC50_FineTuned

SAIFIINDUSTRIES

Классификация аудиоАудио → label3 профессии

Дообученная модель Audio Spectrogram Transformer для классификации звуковых событий в аудиозаписях.

10скачиваний за 30 дней0лайковвеса обновлены1 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

SAIFIINDUSTRIES/AST_ESC50_FineTuned — модель классификации звуков, дообученная разработчиком на основе MIT/ast-finetuned-audioset-10-10-0.4593. Она использует архитектуру Audio Spectrogram Transformer и предназначена для определения классов звуковых событий в аудио. В README приведены результаты на оценочном наборе: accuracy 1.0 и loss 0.2868, однако название набора данных указывает на ESC-50, а README сообщает лишь о неизвестном наборе данных, поэтому область применимости этих оценок неясна. Модель содержит 113,2 млн параметров, использует формат safetensors и библиотеку Transformers. Лицензия — BSD 3-Clause.

Сценарии применения

Классификация звуков окружающей среды
Распознавание классов звуков из набора ESC-50
Автоматическая разметка аудиозаписей по типам звуков

Ограничения

README не раскрывает обучающий набор данных и конкретные классы; указанная accuracy 1.0 относится к оценочному набору с неописанными условиями и не гарантирует качество на других аудио.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AST_ESC50_FineTuned

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

Loss: 0.2868
Accuracy: 1.0

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: 3e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 32
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: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	5	0.9597	0.9
1.1896	2.0	10	0.4110	1.0
1.1896	3.0	15	0.2868	1.0

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ASTForAudioClassification
Ревизия весов: 469196c