/ Модель

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense
Базовая модель
wavlm-base
Опубликована
25 янв 2024

wavlm-base-960h-itw-deepfake

Классификация текстаТекст → label3 профессии

Дообученная WavLM Base классифицирует речевое аудио для выявления дипфейков.

218скачиваний 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

abhishtagatya/wavlm-base-960h-itw-deepfake — дообученная модель Microsoft WavLM Base для классификации аудио с целью выявления синтетической или поддельной речи. Она построена на архитектуре WavLMForSequenceClassification и содержит 113,3 млн параметров; исходная модель — microsoft/wavlm-base. Карточка приводит результаты на оценочном наборе: accuracy 0,9896, FAR 0,0080, FRR 0,0144 и EER 0,0112.

Модель предназначена для проверки аудиозаписей и определения, является ли речь настоящей или подделанной. Для работы принимает аудио и выдаёт метку классификации. Датасет обучения и подробные условия оценки не описаны, поэтому приведённые метрики не гарантируют аналогичного качества на других данных. В метаданных указана лицензия не была; условия использования требуют проверки на странице репозитория.

Сценарии применения

  • проверка голосовых сообщений на подделку
  • выявление синтетической речи в аудиозаписях
  • первичная фильтрация подозрительных телефонных звонков

Ограничения

Датасет обучения и подробности оценки не приведены, поэтому опубликованные метрики могут не отражать качество на аудио из других источников. Язык речи, на котором модель надёжно работает, не указан.

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

wavlm-base-960h-itw-deepfake

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

  • Loss: 0.0593
  • Accuracy: 0.9896
  • FAR: 0.0080
  • FRR: 0.0144
  • EER: 0.0112

Model description

Quick Use

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

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

  model = WavLMForSequenceClassification.from_pretrained("abhishtagatya/wavlm-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
0.32050.3925000.12230.96990.03430.02290.0286
0.07520.7950000.08220.98430.01450.01780.0161
0.06661.1875000.08250.98490.01580.01400.0149
0.05691.57100000.06740.98840.01030.01400.0121
0.05671.97125000.05930.98960.00800.01440.0112

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 wavlm нет загрузчика под задачу text-classification.

Класс архитектуры
WavLMForSequenceClassification
Ревизия весов
1a9795f

0 моделей