Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-korean
Библиотека: transformers
Опубликована: 12 окт 2026

Ссылки

Hugging Face

audio_cls

dieyoung0101

Классификация текстаТекст → label

Дообученная на базе корейской Wav2Vec2 модель для классификации аудио, качество которой по приведённой оценке низкое.

10скачиваний за 30 дней0лайковвеса 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

dieyoung0101/audio_cls — модель классификации аудио на базе Wav2Vec2, дообученная из Kkonjeong/wav2vec2-base-korean и опубликованная в формате safetensors. Она содержит 113,3 млн параметров и предназначена для отнесения аудиозаписей к классам. Датасет и набор классов в карточке не описаны.

На указанном в карточке наборе оценки модель получила точность 0,0420 и loss 2,6520, поэтому результаты не подтверждают надёжную работу для практических задач. Условия лицензии в доступных сведениях не приведены.

Сценарии применения

экспериментальная классификация аудиозаписей
оценка качества классификатора аудио на собственном наборе данных
изучение дообучения Wav2Vec2 для классификации звука

Ограничения

На указанном наборе оценки точность составляет 0,0420 при loss 2,6520; назначение классов, датасет и пригодность для конкретных сценариев не описаны. Лицензия не указана в предоставленных сведениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audio_cls

This model is a fine-tuned version of Kkonjeong/wav2vec2-base-korean on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.6520
Accuracy: 0.0420

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	119	2.6573	0.0588
No log	2.0	238	2.6482	0.0756
No log	3.0	357	2.6518	0.0420
No log	4.0	476	2.6546	0.0420
2.6606	5.0	595	2.6510	0.0420
2.6606	6.0	714	2.6567	0.0420
2.6606	7.0	833	2.6542	0.0420
2.6606	8.0	952	2.6568	0.0420
2.6423	9.0	1071	2.6527	0.0420
2.6423	10.0	1190	2.6520	0.0420

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
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: 3b7f84b