/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
17,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_omni · dense
Базовая модель
Qwen2.5-Omni-7B
Библиотека
transformers
Опубликована
1 июн 2026

AnyAudio-Judge-7B

Распознавание речиАудио, текст → текст5 профессий

Модель оценивает аудиоподписи по проверяемым пунктам рубрики «да/нет» и приводит краткие свидетельства из аудио.

336скачиваний за 30 дней0лайковвеса обновлены2 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

AnyAudio-Judge-7B — модель оценки аудио, созданная cucl2 на базе Qwen2.5-Omni-7B. Она проверяет пункты рубрики «да/нет», каждый из которых описывает проверяемый признак аудиоподписи, и выдаёт краткое свидетельство из аудио. Модель дообучена методом полного supervised fine-tuning на 105 тысячах примеров «аудио, инструкция, рубрика, цепочка рассуждений» в течение одной эпохи.

Модель предназначена для рубричной оценки аудиоподписей и более эффективного запуска по сравнению с вариантом AnyAudio-Judge-30B. Для формирования рубрики в примере README используется отдельный вызов внешней языковой модели. Метаданные указывают аудиовход, архитектуру Qwen2.5-Omni и формат safetensors; заявленные языки карточки — английский и китайский. Лицензия — Apache-2.0.

Оценка ограничена заданными бинарными критериями и опирается на короткие текстовые свидетельства; качество оценки зависит от рубрики и аудио. Семейство Qwen2.5-Omni поддерживает и другие модальности, но для этой модели явно указана возможность аудиовхода.

Сценарии применения

  • проверка соответствия аудиоподписи заданным критериям
  • оценка описания голоса по акустическим признакам
  • автоматическая проверка наличия заданных звуковых событий
  • получение кратких свидетельств для аудиооценки

Ограничения

Модель оценивает только сформулированные в рубрике признаки, поэтому результат зависит от качества критериев; для построения рубрики в примере README требуется внешний вызов языковой модели. Для версии 7B в README не приведены результаты бенчмарка.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AnyAudio-Judge-7B

AnyAudio-Judge-7B is a dynamic rubric-based audio judge built on top of Qwen2.5-Omni-7B. It predicts, for each yes/no rubric item describing one verifiable aspect of an audio caption, whether the audio satisfies that aspect — together with a short evidence string.

This is the smaller variant of the AnyAudio-Judge family. The larger AnyAudio-Judge-30B (initialized from Qwen3-Omni-30B-A3B-Captioner) is the variant reported in the paper. The 7B model is trained on the same SFT corpus and is intended for users who need a more efficient evaluator.

Companion benchmark: cucl2/AnyAudio-Judge-Bench Companion corpus: cucl2/AnyAudio-Judge-Corpus Companion 30B model: cucl2/AnyAudio-Judge-30B

Training

  • Base: Qwen2.5-Omni-7B
  • Corpus: 105K (audio, instruction, rubric, CoT) tuples (see cucl2/AnyAudio-Judge-Corpus)
  • Stage: full-parameter SFT for 1 epoch
    • 16 × H20 96GB
    • per-device batch size 4, grad accumulation 1
    • learning rate 1e-5

Usage

from anyaudio_judge import AnyAudioJudge, decompose_instruction

caption = "A gentle, delicate female voice, with soft and smooth pitch, calm and restrained throughout."
rubric  = decompose_instruction(caption)  # external LLM call

judge = AnyAudioJudge.from_pretrained("cucl2/AnyAudio-Judge-7B")
result = judge.judge("./demo.wav", rubric)
print("alignment_score:", result.score)
for item in result.items:
    print(item.question, "->", item.answer)

(See the GitHub repo for the full pipeline including external rubric decomposition.)

License

Apache-2.0, inheriting the license of the base Qwen2.5-Omni-7B model.

Citation

@misc{anyaudiojudge2026,
  title  = {AnyAudio-Judge: A Dynamic Rubric-Based Benchmark and Evaluator for Audio Instruction Following},
  author = {Anonymous Authors},
  year   = {2026},
  note   = {Preprint, under submission}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5OmniForConditionalGeneration
Ревизия весов
f939a65

0 моделей