/ Модель

Характеристики

Контекст
512 токенов
Параметры
132 млн
Архитектура
clap · dense
Опубликована
24 июл 2023

BioLingual

ЭмбеддингиТекст → embedding3 профессии

BioLingual — аудиотекстовая CLAP-модель для классификации биоакустических записей по текстовым описаниям и извлечения эмбеддингов.

1 929скачиваний за 30 дней8лайковвеса обновлены25 июл 2023

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 «Эмбеддинги» — 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

BioLingual — аудиотекстовая модель для биоакустики, основанная на контрастивном предварительном обучении CLAP с языковым supervision. Разработчик описывает её как переносимую модель для работы с биологическими звуками; архитектура — ClapModel, размер — 132,1 млн параметров, формат репозитория — PyTorch.

Модель предназначена для классификации аудио по текстовым меткам без дополнительного обучения, а также для получения аудио- и текстовых эмбеддингов и дообучения на задачах биоакустики. Например, можно сопоставлять запись с описаниями звуков животных, таких как кашалот или морской лев. В карточке указан датасет AnimalSpeak.

README не сообщает о лицензии, поэтому условия использования по доступным данным определить нельзя. В примере карточки показаны результаты для звуков животных, но они не подтверждают точность на других наборах и условиях записи.

Сценарии применения

  • классификация звуков животных по пользовательским текстовым меткам
  • поиск в аудиозаписях звуков кашалотов и морских львов
  • извлечение эмбеддингов биоакустических записей
  • дообучение модели для задач биоакустики

Ограничения

В карточке не указана лицензия. Качество для конкретных видов, условий записи и наборов данных требует отдельной оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for BioLingual

Model card for BioLingual: Transferable Models for bioacoustics with Human Language Supervision

An audio-text model for bioacoustics based on contrastive language-audio pretraining.

Usage

You can use this model for bioacoustic zero shot audio classification, or for fine-tuning on bioacoustic tasks.

Uses

Perform zero-shot audio classification

Using pipeline

from datasets import load_dataset
from transformers import pipeline

dataset = load_dataset("ashraq/esc50")
audio = dataset["train"]["audio"][-1]["array"]

audio_classifier = pipeline(task="zero-shot-audio-classification", model="davidrrobinson/BioLingual")
output = audio_classifier(audio, candidate_labels=["Sound of a sperm whale", "Sound of a sea lion"])
print(output)
>>> [{"score": 0.999, "label": "Sound of a dog"}, {"score": 0.001, "label": "Sound of vaccum cleaner"}]

Run the model:

You can also get the audio and text embeddings using ClapModel

Run the model on CPU:

from datasets import load_dataset
from transformers import ClapModel, ClapProcessor

librispeech_dummy = load_dataset("hf-internal-testing/librispeech_asr_dummy", "clean", split="validation")
audio_sample = librispeech_dummy[0]

model = ClapModel.from_pretrained("laion/clap-htsat-unfused")
processor = ClapProcessor.from_pretrained("laion/clap-htsat-unfused")

inputs = processor(audios=audio_sample["audio"]["array"], return_tensors="pt")
audio_embed = model.get_audio_features(**inputs)

Run the model on GPU:

from datasets import load_dataset
from transformers import ClapModel, ClapProcessor

librispeech_dummy = load_dataset("hf-internal-testing/librispeech_asr_dummy", "clean", split="validation")
audio_sample = librispeech_dummy[0]

model = ClapModel.from_pretrained("laion/clap-htsat-unfused").to(0)
processor = ClapProcessor.from_pretrained("laion/clap-htsat-unfused")

inputs = processor(audios=audio_sample["audio"]["array"], return_tensors="pt").to(0)
audio_embed = model.get_audio_features(**inputs)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ClapModel
Ревизия весов
808bb50

0 моделей