Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-korean
Библиотека: transformers
Опубликована: 13 окт 2026

Ссылки

Hugging Face

keyword

bbangju

Классификация текстаТекст → label

Дообученная модель Wav2Vec2 для классификации аудио, основанная на корейской wav2vec2-base.

27скачиваний за 30 дней0лайковвеса обновлены13 окт 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

Модель bbangju/keyword — дообученная версия Kkonjeong/wav2vec2-base-korean с архитектурой Wav2Vec2ForSequenceClassification, предназначенная для классификации аудио. В репозитории указаны 113,3 млн параметров и формат safetensors; модель использует библиотеку Transformers.

Карточка сообщает о результате на тестовой выборке: accuracy 1.0 и loss 0.3162, однако не описывает набор данных, классы, процедуру оценки и практические сценарии. Базовая модель связана с корейской речью, но конкретные языки и возможности этого чекпойнта не подтверждены. Лицензия в предоставленных сведениях не указана.

Сценарии применения

Классификация аудиозаписей по целевым классам модели
Анализ корейской речи по аудиосигналу

Ограничения

Карточка не раскрывает набор данных, метки классов и условия оценки, поэтому результат accuracy 1.0 нельзя интерпретировать как гарантию качества на новых данных. Лицензия и практические ограничения не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

keyword

This model is a fine-tuned version of Kkonjeong/wav2vec2-base-korean on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3162
Accuracy: 1.0

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: 0.0001
train_batch_size: 4
eval_batch_size: 4
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
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	11	1.7757	0.3158
No log	2.0	22	1.4359	0.6842
No log	3.0	33	1.1962	0.6316
No log	4.0	44	0.9732	0.7895
No log	5.0	55	0.7085	1.0
No log	6.0	66	0.5301	1.0
No log	7.0	77	0.4303	1.0
No log	8.0	88	0.3647	1.0
No log	9.0	99	0.3286	1.0
No log	10.0	110	0.3162	1.0

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cpu
Datasets 4.8.5
Tokenizers 0.23.2

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: b6924cd