Характеристики

Параметры: 113 млн
Лицензия: BSD 3-Clause
Архитектура: audio-spectrogram-transformer · dense
Базовая модель: ast-finetuned-audioset-10-10-0.4593
Библиотека: transformers
Опубликована: 20 апр 2026

Ссылки

Hugging Face

whale-call-detector

davethaler

Классификация аудиоАудио → label3 профессии

Дообученная AST-модель классифицирует аудиозаписи с голосами китов и другими звуковыми событиями.

704скачиваний за 30 дней0лайковвеса обновлены10 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

davethaler/whale-call-detector — дообученная модель для классификации звуковых событий в аудио, включая распознавание классов, связанных с китами. Она создана на основе MIT/ast-finetuned-audioset-10-10-0.4593 и использует архитектуру Audio Spectrogram Transformer (AST); число параметров — 113,2 млн. Репозиторий содержит веса safetensors и использует библиотеку Transformers.

Модель предназначена для классификации аудиозаписей по категориям, среди которых Water, Resident, Transient, Humpback, Vessel, Jingle, Human и Bird. В README приведены результаты оценки: accuracy 0,8866 и F1 0,8670; качество различается между классами. Данные оценки относятся к указанному автором набору проверки, подробности которого не приведены. Лицензия — BSD-3-Clause.

Сценарии применения

классификация записей голосов китов
поиск звуков горбатых китов в аудиозаписях
различение типов китовых сигналов Resident и Transient
выявление шума судов в морских аудиозаписях
отделение звуков птиц и людей от других событий

Ограничения

README не описывает обучающие данные и условия применения; приведённые метрики относятся к оценочному набору, состав и репрезентативность которого не раскрыты. Значения F1 различаются по классам, поэтому качество для конкретного класса следует оценивать отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whale-call-detector

This model is a fine-tuned version of MIT/ast-finetuned-audioset-10-10-0.4593 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3449
Accuracy: 0.8866
Precision: 0.8880
Recall: 0.8866
F1: 0.8670
F1 Water: 0.8421
F1 Resident: 0.9167
F1 Transient: 0.8696
F1 Humpback: 0.8148
F1 Vessel: 0.9091
F1 Jingle: 0.8
F1 Human: 0.9412
F1 Bird: 0.9565

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: 3e-05
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: 24
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Precision	Recall	F1	F1 Water	F1 Resident	F1 Transient	F1 Humpback	F1 Vessel	F1 Jingle	F1 Human	F1 Bird
0.7617	1.0	49	0.5305	0.8247	0.8498	0.8247	0.7535	0.9	0.7778	0.7	0.7826	0.8571	0.75	0.9412	0.9565
0.2555	2.0	98	0.5517	0.8763	0.8928	0.8763	0.8910	0.7143	0.875	0.9091	0.8889	0.8333	0.8421	0.9412	0.9565
0.0240	3.0	147	0.3540	0.9072	0.9147	0.9072	0.9181	0.8	0.9167	0.9091	0.9286	0.9524	0.8	0.9412	0.9565
0.0016	4.0	196	0.3271	0.8969	0.8995	0.8969	0.8846	0.8421	0.9565	0.8696	0.8276	0.9091	0.8	0.9412	0.9565
0.0010	5.0	245	0.3462	0.8866	0.8880	0.8866	0.8670	0.8421	0.9167	0.8696	0.8148	0.9091	0.8	0.9412	0.9565

Framework versions

Transformers 5.19.0
Pytorch 2.14.1+cu130
Datasets 5.1.0
Tokenizers 0.23.3

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: ASTForAudioClassification
Ревизия весов: d66c752