/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Библиотека
transformers
Опубликована
21 июл 2026

wav2vec2-base-finetuned-gtzan

Классификация текстаТекст → label3 профессии

Модель wav2vec 2.0, дообученная на GTZAN для классификации аудиозаписей по музыкальным жанрам.

10скачиваний за 30 дней0лайковвеса обновлены21 июл 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

emptx/wav2vec2-base-finetuned-gtzan — модель классификации аудио на базе wav2vec 2.0, дообученная на наборе данных GTZAN. Она предназначена для отнесения аудиозаписей к музыкальным жанрам. На оценочной выборке указана точность 0,85 при значении loss 0,5864. Модель содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForSequenceClassification.

Модель разработана на основе facebook/wav2vec2-base и распространяется под лицензией Apache-2.0. Карточка не приводит подробностей о составе классов, длительности или формате аудиофрагментов, а также о методике оценки; результаты на оценочной выборке не гарантируют такое же качество на других данных.

Сценарии применения

  • классификация музыкальных записей по жанрам
  • автоматическая разметка музыкальной коллекции
  • создание прототипа классификатора музыкальных жанров

Ограничения

Указанная точность 0,85 относится только к оценочной выборке GTZAN; качество на других музыкальных данных может отличаться. Карточка не описывает набор классов и ограничения по входным аудиоданным.

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

wav2vec2-base-finetuned-gtzan

This model is a fine-tuned version of facebook/wav2vec2-base on the GTZAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5864
  • Accuracy: 0.85

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: 5e-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: 100
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
1.82721.01131.87880.44
1.23562.02261.41530.62
1.13653.03391.11030.68
0.72264.04520.92360.75
0.54025.05650.82640.76
0.93636.06780.76150.78
0.39357.07910.75460.8
0.25948.09040.56650.87
0.22759.010170.63100.84
0.081210.011300.58640.85

Framework versions

  • Transformers 5.15.0.dev0
  • Pytorch 2.11.0+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.2

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
90458f7

0 моделей