/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
29 дек 2025

EAR_HEAR

Классификация аудиоАудио → label

HEAR оценивает музыкальность и эстетические характеристики песен по аудио, предсказывая оценки и ранжируя композиции.

0скачиваний за 30 дней5лайковвеса обновлены9 янв 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

EAR_HEAR — PyTorch-модель и обучающий код проекта HEAR, разработанного для оценки эстетических характеристик музыки. Проект представлен как официальная реализация работы для ICASSP 2026 и предназначен для оценки музыкальности и пяти эстетических измерений песен, включая предсказание оценок и ранжирование композиций.

Модель использует многомасштабные представления из нескольких источников и иерархическую аугментацию, чтобы извлекать устойчивые признаки при ограниченном объёме размеченных данных. В README указаны результаты в соревновании Automatic Song Aesthetics Evaluation Challenge: второе место из 19 участников в Track 1 и пятое из 17 в Track 2. Репозиторий содержит код обучения и оценки; конкретное число параметров и ограничения на длину аудио не приведены. Лицензия — Apache-2.0.

Сценарии применения

  • оценка музыкальности песни по аудиозаписи
  • оценка пяти эстетических характеристик композиции
  • ранжирование песен по эстетическим оценкам
  • поиск композиций с высокими эстетическими оценками

Ограничения

Для подготовки признаков README описывает использование MuQ и MusicFM, поэтому рабочий процесс зависит от этих представлений и набора SongEval. Результаты и описание сосредоточены на эстетической оценке песен; пригодность для иных аудиозадач не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HEAR: Hierarchically Enhanced Aesthetic Representations for Multidimensional Music Evaluation

Paper | Model

Official PyTorch Implementation of ICASSP 2026 paper "HEAR: Hierarchically Enhanced Aesthetic Representations for Multidimensional Music Evaluation"

This repository contains the training and evaluation code for HEAR, a robust framework designed to address the challenges of multidimensional music aesthetic evaluation under limited labeled data.

🌟 Key Features

  • Excellent Performance: Ranked 2nd/19 on Track 1 and 5th/17 on Track 2 in the ICASSP 2026 Automatic Song Aesthetics Evaluation Challenge.
  • Robustness: Synergizes Multi-Source Multi-Scale Representations and Hierarchical Augmentation to capture robust features under limited labeled data.
  • Dual Capability: Optimized for both exact score prediction and ranking (Top-Tier Song Identification).

📦 Installation

Clone the repository and install dependencies:

git clone https://github.com:Eps-Acoustic-Revolution-Lab/EAR_HEAR.git
git submodule update --init --recursive

conda create -n hear python=3.10 -y
conda activate hear
pip install -r requirements.txt

🚀 Quick Start

# Download pretrained model weights
export HF_ENDPOINT=https://hf-mirror.com  # For users in Mainland China, this is needed for HuggingFace downloads
hf download earlab/EAR_HEAR --local-dir pretrained_models

# Track 1: Single-Label Inference (Musicality)
python inference.py \
    --input_audio_path data_pipeline/origin_song_eval_dataset/mp3/0.mp3 \
    --output_json_path output.json
    --model_path pretrained_models/track_1.pth \
    --model_config_path config_track_1.yaml


# Track 2:  Multi-Label Inference (5 Dimensions)
python inference.py \
    --input_audio_path data_pipeline/origin_song_eval_dataset/mp3/0.mp3 \
    --output_json_path output.json
    --model_path pretrained_models/track_2.pth \
    --model_config_path config_track_2.yaml

🎯 Training

Step 1: Data Preparation

First, prepare the dataset by running the data pipeline:

cd data_pipeline
bash run.sh

This script will:

  1. Download Dataset: Download the SongEval dataset
  2. Split Dataset: Split the dataset into training and validation sets based on the challenge's validation IDs
  3. Audio Augmentation: Apply audio augmentation to the training set
  4. Extract Features: Extract MuQ and MusicFM features for both training and test sets
  5. Generate PKL Files: Generate train_set.pkl and test_set.pkl files for training and evaluation

Step 2: Model Training

After data preparation, you can train the HEAR model for either Track 1 (single-label: Musicality) or Track 2 (multi-label: 5 dimensions).

Track 1: Single-Label Training (Musicality)

Train the model for musicality prediction:

python train_track_1.py \
    --experiment_name track1_exp \
    --train-data /path/to/train_set.pkl \
    --test-data /path/to/test_set.pkl \
    --max-epoch 60 \
    --batch-size 8 \
    --lr 1e-5 \
    --weight_decay 1e-3 \
    --accum_steps 4 \
    --lambda 0.15 \
    --workers 8 \
    --seed 0

Track 2: Multi-Label Training (5 Dimensions)

Train the model for multi-dimensional aesthetic evaluation:

python train_track_2.py \
    --experiment_name track2_exp \
    --train-data /path/to/train_set.pkl \
    --test-data /path/to/test_set.pkl \
    --max-epoch 60 \
    --batch-size 8 \
    --lr 1e-5 \
    --weight_decay 1e-3 \
    --accum_steps 4 \
    --lambda 0.05 \
    --workers 8 \
    --seed 0

Key Parameters

  • --max-epoch: Maximum number of training epochs (default: 60)
  • --batch-size: Batch size for training (default: 8)
  • --experiment_name: Name of the experiment for saving models and logs
  • --lr: Learning rate (default: 1e-5)
  • --weight_decay: Weight decay for optimizer (default: 1e-3)
  • --accum_steps: Gradient accumulation steps (default: 4)
  • --lambda: Weight for ranking loss (Track 1: 0.15, Track 2: 0.05)
  • --workers: Number of data loading workers (default: 8)
  • --seed: Random seed for reproducibility (default: 0)
  • --train-data: Path to training data pkl file (default: data_pipeline/dataset_pkl/train_set.pkl)
  • --test-data: Path to test data pkl file (default: data_pipeline/dataset_pkl/test_set.pkl)
  • --log-dir: Path to tensorboard log directory (default: ./log/tensorboard_records/{experiment_name})

Evaluation Mode

To evaluate a trained model, use the --eval flag:

python train_track_1.py --eval --experiment_name track1_exp
python train_track_2.py --eval --experiment_name track2_exp

Model Configuration

Model architectures are configured in:

  • config_track_1.yaml - Configuration for Track 1
  • config_track_2.yaml - Configuration for Track 2

Trained models are saved in log/models/{experiment_name}/model.pth, and training logs are saved to TensorBoard in ./log/tensorboard_records/{experiment_name}/ (or custom path specified by --log-dir).

🙏 Acknowledgement

We sincerely thank the authors and contributors of the following open-source projects.:

We would like to express our special thanks to Shizhe Chen from Shanghai Conservatory of Music for his invaluable guidance and insights on music aesthetics.

📚 Citation

@misc{liu2025hearhierarchicallyenhancedaesthetic,
      title={Hear: Hierarchically Enhanced Aesthetic Representations For Multidimensional Music Evaluation}, 
      author={Shuyang Liu and Yuan Jin and Rui Lin and Shizhe Chen and Junyu Dai and Tao Jiang},
      year={2025},
      eprint={2511.18869},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2511.18869}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
4e09c6b

0 моделей