/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-960h
Опубликована
25 янв 2024

wav2vec2-base-960h-itw-deepfake

Классификация текстаТекст → label3 профессии

Дообученный wav2vec 2.0 классификатор аудио для обнаружения дипфейковой и поддельной речи.

920скачиваний за 30 дней0лайковвеса обновлены31 янв 2024

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 abhishtagatya/wav2vec2-base-960h-itw-deepfake разработана как дообученная версия facebook/wav2vec2-base-960h на архитектуре wav2vec 2.0. Это классификатор аудио для выявления дипфейковой или поддельной речи; модель принимает аудиосигнал и выдаёт оценку класса. Она содержит 113,3 млн параметров и распространяется в формате Safetensors. В README приведены результаты оценки: accuracy 0,9835 и EER 0,0199, однако набор данных и условия тестирования не описаны, поэтому эти показатели нельзя напрямую переносить на другие аудиозаписи. Базовая модель предназначена для английской речи с частотой 16 кГц. Лицензия — Apache-2.0.

Сценарии применения

  • проверка аудиозаписей на синтетическую или поддельную речь
  • первичная фильтрация подозрительных голосовых сообщений
  • оценка подлинности речи в аудиоматериалах

Ограничения

Данные обучения не описаны, а приведённые метрики получены на неуказанном наборе и могут не отражать качество на других голосах, языках и условиях записи. Базовая модель рассчитана на английскую речь с частотой 16 кГц.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-960h-itw-deepfake

This model is a fine-tuned version of facebook/wav2vec2-base-960h on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0917
  • Accuracy: 0.9835
  • FAR: 0.0068
  • FRR: 0.0330
  • EER: 0.0199

Model description

Quick Use

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

  config = AutoConfig.from_pretrained("abhishtagatya/wav2vec2-base-960h-itw-deepfake")
  feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("abhishtagatya/wav2vec2-base-960h-itw-deepfake")

  model = Wav2Vec2ForSequenceClassification.from_pretrained("abhishtagatya/wav2vec2-base-960h-itw-deepfake", config=config).to(device)

  # Your Logic Here

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-06
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation LossAccuracyFARFRREER
0.63630.3925000.46780.86520.01780.33260.1752
0.28960.7950000.11450.97440.01700.04020.0286
0.15541.1875000.10240.97970.01000.03770.0238
0.13271.57100000.09450.98250.00700.03510.0211
0.131.97125000.09170.98350.00680.03300.0199

Framework versions

  • Transformers 4.38.0.dev0
  • Pytorch 2.1.2+cu121
  • Datasets 2.16.2.dev0
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
cb2350d

0 моделей