Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: hubert · dense
Базовая модель: hubert-base-ls960
Библиотека: transformers
Опубликована: 14 июн 2026

Ссылки

Hugging Face

hubert-finetuned-Expresso

VasilisAsim

Классификация текстаТекст → label

Дообученная HuBERT для классификации аудио, показывающая точность 0,9297 на указанном автором оценочном наборе.

7скачиваний 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

VasilisAsim/hubert-finetuned-Expresso — модель HuBERT, дообученная на базе facebook/hubert-base-ls960 для классификации аудио. В репозитории указаны 113,3 млн параметров, архитектура HubertForSequenceClassification и формат весов Safetensors. Модель можно применять для классификации аудиозаписей; на оценочном наборе автор сообщает точность 0,9297 и loss 0,2814.

Датасет, набор классов и конкретное назначение классификации в карточке не описаны, поэтому оценочные результаты нельзя уверенно переносить на другие данные. Базовая HuBERT рассчитана на извлечение речевых признаков из аудио с частотой 16 кГц. Лицензия модели — Apache-2.0.

Сценарии применения

классификация аудиозаписей по классам, заданным при дообучении
оценка аудио на совместимом с обучением наборе данных
эксперименты с классификацией речи на базе HuBERT

Ограничения

Карточка не сообщает, на каких данных и для каких классов обучена модель, поэтому область её применения и переносимость результатов неясны. Заявленная точность 0,9297 относится только к оценочному набору автора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hubert-finetuned-Expresso

This model is a fine-tuned version of facebook/hubert-base-ls960 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2814
Accuracy: 0.9297

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
3.4413	1.0	581	0.6025	0.8361
2.2079	2.0	1162	0.4785	0.8482
1.7536	3.0	1743	0.5244	0.8366
1.1475	4.0	2324	0.3140	0.9150
0.9236	5.0	2905	0.2814	0.9297

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 hubert нет загрузчика под задачу text-classification.

Класс архитектуры: HubertForSequenceClassification
Ревизия весов: 15b020a