Характеристики

Лицензия: CC BY-NC-SA 4.0
Опубликована: 9 окт 2026

Ссылки

Hugging Face

dge-all-tags-tagger-nc

cmjatom

Классификация аудиоАудио → label

Объединённая модель EfficientAT для классификации 10-секундных аудиофрагментов по тегам Document Graph Explorer.

0скачиваний за 30 дней1лайквеса обновлены12 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

DGE all-tags tagger — аудиомодель проекта Document Graph Explorer, созданная на основе сетей EfficientAT и дообученная для классификации звуковых тегов. Авторы объединили результаты нескольких обученных вариантов: для каждого тега выбран вариант с лучшим результатом на отложенных аудиоданных. Репозиторий содержит модель в формате ONNX.

Модель принимает 10-секундный монофонический аудиофрагмент с частотой 32 кГц и выдаёт оценки тегов после sigmoid. Она предназначена для автоматической разметки аудио по набору тегов Document Graph Explorer. Лицензия CC BY-NC-SA 4.0 разрешает использование только в некоммерческих целях; один из обучающих запусков использовал многодорожечные песни Mixing Secrets, лицензия которых также ограничивает использование некоммерческими исследованиями и образованием.

Сценарии применения

автоматическое присвоение звуковых тегов аудиофрагментам
классификация звуков в монофонических записях
подготовка тегов для поиска и навигации по аудиоколлекции

Ограничения

Принимает только 10-секундное монофоническое аудио с частотой 32 кГц; выходом служат оценки тегов. Использование ограничено некоммерческими условиями лицензии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DGE all-tags tagger (combined)

The sound tagger of Document Graph Explorer: EfficientAT networks fine-tuned by scripts/audio-model/, combined by combine.py so each of the app's tags comes from the run that scored best on held-out audio. Runs: all-tags, all-tags-run5, all-tags-run7, all-tags-run8, all-tags-run9, all-tags-run11, all-tags-run10, all-tags-recall2. picks.json lists every tag's held-out numbers and choice, eval.txt the combined model's held-out scores. Input: 10 s of 32 kHz mono (samples32k); output: scores (sigmoid).

Base networks and AudioSet weights: EfficientAT (Florian Schmid et al.), MIT.

Licence: CC BY-NC-SA 4.0, non-commercial only. One of the runs was trained on Mixing Secrets multitrack songs (RawStems), whose licence allows non-commercial research and education only.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов: 410638a