/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Библиотека
transformers
Опубликована
4 мая 2026

OpenWhistle-Wav2Vec2.0

ЭмбеддингиТекст → embedding

Предварительно обученная модель Wav2Vec2 для извлечения акустических представлений свистов афалин и настройки на их классификацию или обнаружение.

496скачиваний за 30 дней1лайквеса обновлены29 сен 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 «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

OpenWhistle Wav2Vec2.0 — модель самоконтролируемого обучения на базе Wav2Vec2, разработанная авторами проекта OpenWhistle для представления акустики свистов афалин. Она предназначена для использования как аудиобэкбон в исследованиях биоакустики афалин: извлечения признаковых представлений и последующей настройки на задачи классификации и обнаружения свистов. Модель содержит 113,3 млн параметров; архитектура включает 12 слоёв Transformer, скрытый размер 768, 8 голов внимания и семислойный извлекатель признаков. Вход — моноаудио с частотой дискретизации 44,1 кГц.

Это предварительно обученный бэкбон, а не готовый классификатор или детектор: для этих задач нужны размеченные данные и дополнительная голова либо дообучение. Модель специализирована на свистах афалин, поэтому её перенос на другие виды и условия записи не гарантирован. Репозиторий содержит веса в safetensors; сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

  • извлечение эмбеддингов из записей свистов афалин
  • подготовка признаков для классификатора свистов дельфинов
  • дообучение на обнаружение свистов афалин
  • исследовательский анализ акустических представлений свистов

Ограничения

Модель не является готовым классификатором или детектором: для этих задач требуется дообучение либо отдельная выходная голова и размеченные данные. Она специализирована на свистах афалин, а перенос на другие виды и условия записи не гарантирован.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenWhistle Wav2Vec2.0

dolphinteam/OpenWhistle-Wav2Vec2.0 is a Wav2Vec2-style self-supervised representation model pretrained on bottlenose dolphin whistle vocalizations.

The model is part of the OpenWhistle family and was pretrained on:

  • dolphinteam/OpenWhistle-Pretraining

It is intended as a pretrained audio backbone for downstream bottlenose dolphin bioacoustics tasks, including whistle classification and whistle detection.

Model Details

  • Model type: wav2vec2
  • Architecture: Wav2Vec2 pretraining model adapted to bottlenose dolphin acoustics
  • Hidden size: 768
  • Transformer layers: 12
  • Attention heads: 8
  • Feature extractor layers: 7
  • Sampling rate: 44,100 Hz
  • Weights: model.safetensors

Unlike standard speech Wav2Vec2 models trained at 16 kHz, this model uses frontend settings adapted for higher-frequency bottlenose dolphin whistles recorded at 44.1 kHz.

Training and Evaluation Data

The model was pretrained with self-supervised learning on:

  • dolphinteam/OpenWhistle-Pretraining

Downstream evaluation and fine-tuning are supported by the OpenWhistle supervised datasets:

  • dolphinteam/OpenWhistle-Classification-Finetuning
  • dolphinteam/OpenWhistle-Detection-Finetuning

The pretraining dataset contains unlabeled bottlenose dolphin whistle audio used to learn general acoustic representations. The classification and detection datasets provide supervised labels for downstream tasks, including whistle category classification and whistle detection.

Intended Use

This model is intended as a pretrained audio representation backbone for bottlenose dolphin bioacoustics research.

Potential downstream uses include:

  • fine-tuning on OpenWhistle-Classification-Finetuning for whistle classification
  • fine-tuning on OpenWhistle-Detection-Finetuning for whistle detection
  • extracting Wav2Vec2 embeddings from bottlenose dolphin whistles
  • exploratory analysis of learned acoustic representations

This is not a ready-to-use supervised classifier. For classification or detection, the model should be paired with a downstream head or fine-tuned on labeled data.

Input Audio

The preprocessor expects:

  • mono waveform input
  • sampling rate: 44,100 Hz
  • normalized audio
  • right padding
  • padding value: 0.0

Loading

from transformers import AutoFeatureExtractor, AutoModel

repo_id = "dolphinteam/OpenWhistle-Wav2Vec2.0"

processor = AutoFeatureExtractor.from_pretrained(repo_id)
model = AutoModel.from_pretrained(repo_id)

For pretraining-head usage or exact reproduction of training behavior, project-specific model code may be required.

Files

This repository contains the inference-oriented model files:

  • config.json
  • model.safetensors
  • preprocessor_config.json
  • trainer_state.json

Training-resume artifacts such as optimizer state, scheduler state, RNG state, and training_args.bin are not included in this repository.

Limitations

  • The model is specialized for bottlenose dolphin whistle acoustics and may not transfer directly to other species or recording domains.
  • It does not include behavioral, social, or environmental context.
  • Downstream performance depends on the labeled dataset, task definition, and fine-tuning protocol.
  • Learned representations may support exploratory scientific analysis, but biological interpretations should be validated independently.

License

The license for this model has not yet been specified. Please contact the model authors or maintainers before using it for redistribution or commercial purposes.

Paper, collection, and authors

Authors: Faadil Mustun, Chiara Semenzin, Roberto Dessi, Pablo Robin Guerrero, Pierre Orhan, Alexis Emanuelli, Emanuele Rossi, Yair Lakretz, Gonzalo de Polavieja, and German Sumbre.

Citation

@misc{mustun2026openwhistle,
  title         = {OpenWhistle: A Large-Scale Longitudinal Dataset and Benchmark of Bottlenose Dolphin Vocalizations},
  author        = {Mustun, Faadil and Semenzin, Chiara and Dessi, Roberto and Robin Guerrero, Pablo and Orhan, Pierre and Emanuelli, Alexis and Rossi, Emanuele and Lakretz, Yair and de Polavieja, Gonzalo and Sumbre, German},
  year          = {2026},
  eprint        = {2609.34839},
  archivePrefix = {arXiv},
  primaryClass  = {cs.CL},
  url           = {https://arxiv.org/abs/2609.34839}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2vec2ForPreTraining_randommask
Ревизия весов
985ac11

0 моделей