Характеристики

Параметры: 113 млн
Лицензия: MIT
Архитектура: wav2vec2 · dense
Базовая модель: VoxSentinel_Emotion_Base
Библиотека: transformers
Опубликована: 15 июн 2026

Ссылки

Hugging Face

VoxSentinel-finetuned-IEMOCAP

VasilisAsim

Классификация текстаТекст → label

Дообученная на базе VoxSentinel Emotion Base модель Wav2Vec2 для классификации аудио.

11скачиваний за 30 дней0лайковвеса обновлены21 июн 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

VoxSentinel-finetuned-IEMOCAP — дообученная модель на базе JesseHuang922/VoxSentinel_Emotion_Base для классификации аудио. Она построена на архитектуре Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; веса представлены в формате safetensors. В README указана оценка на наборе проверки: точность 0,5271 и функция потерь 1,3814. Название указывает на IEMOCAP, но README сообщает, что обучающий набор неизвестен, поэтому связь с этим датасетом подтвердить нельзя.

Модель предназначена для отнесения аудиозаписей к классам, заданным при обучении. Поддержка аудио-классификации указана в метаданных; также каталог отмечает text-classification, однако README не описывает текстовый вход или набор меток. Модель выпущена под лицензией MIT. Языки, контекст и подробные ограничения в карточке не описаны.

Сценарии применения

классификация аудиозаписей по эмоциональным классам
оценка качества модели классификации на тестовом наборе
эксперименты с распознаванием эмоций в речи

Ограничения

README не описывает классы, обучающий набор или ограничения применения; заявленная точность на оценочном наборе составляет 0,5271, но подробности оценки не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VoxSentinel-finetuned-IEMOCAP

This model is a fine-tuned version of JesseHuang922/VoxSentinel_Emotion_Base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.3814
Accuracy: 0.5271

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: 4
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
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
lr_scheduler_warmup_steps: 0.1
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
6.0955	1.0	402	1.4687	0.4549
5.4630	2.0	804	1.4093	0.4816
4.8706	3.0	1206	1.3848	0.4785
4.2373	4.0	1608	1.4118	0.5121
3.2957	5.0	2010	1.3814	0.5271

Framework versions

Transformers 5.10.2
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: c546876