Характеристики

Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-tiny
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

Hugging Face

checkpoints

alg166

Классификация аудиоАудио → label3 профессии

Дообученная на базе Whisper tiny модель для классификации аудио.

10скачиваний за 30 дней0лайковвеса обновлены20 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

alg166/checkpoints — дообученная модель на архитектуре Whisper tiny от OpenAI для классификации аудио. В метаданных указаны Transformers, формат safetensors и входная модальность audio. Датасет для дообучения не описан; в README приведены результаты оценки: F1 0,0444 и accuracy 0,1538, что указывает на низкие показатели в указанной оценке. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация аудиозаписей по категориям
Экспериментальная оценка классификации аудио

Ограничения

Датасет и целевые классы не описаны. В README указаны низкие результаты оценки: F1 0,0444 и accuracy 0,1538.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

checkpoints

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

Loss: 2.5353
F1: 0.0444
Accuracy: 0.1538
Precision: 0.0301
Recall: 0.125

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: 0.0003
train_batch_size: 8
eval_batch_size: 8
seed: 42
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: 1
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Accuracy	Precision	Recall
2.8108	1.0	7	2.5353	0.0444	0.1538	0.0301	0.125

Framework versions

Transformers 5.14.1
Pytorch 2.13.0+cu130
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: WhisperForAudioClassification
Ревизия весов: 3d931f2