/ Модель

Характеристики

Контекст
512 токенов
Параметры
43,1 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
multilingual-e5-small
Библиотека
sentence-transformers
Опубликована
2 окт 2026

jp-music-title-encoder

ЭмбеддингиТекст → embedding

Компактная модель эмбеддингов для поиска дубликатов японских музыкальных треков, исполнителей и релизов по вариантам названий и написания.

167скачиваний за 30 дней0лайковвеса обновлены4 окт 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

JP music title encoder (v7-L6) — компактная модель эмбеддингов для поиска совпадающих музыкальных сущностей: треков, исполнителей и релизов, названных по-разному в разных источниках. Модель разработана для японской музыкальной сферы, включая J-pop, аниме, VTuber, Vocaloid, игры и айдол-культуру, а также английские и ромадзи-варианты названий; предусмотрен и меньший набор западной музыки. Она предназначена для генерации кандидатов в конвейере дедупликации, после чего отдельная модель или процедура должна оценить пары.

Это дообученная и дистиллированная из multilingual-e5-small модель на архитектуре BERT: 6 слоёв, 384 скрытых измерения и 43,1 млн параметров. Она создаёт векторы текста, поддерживает контекст до 512 токенов, но автор рекомендует подавать не более 48 токенов. В репозитории есть варианты Safetensors, ONNX и GGUF F16; эмбеддинги можно усечь до 256 измерений с повторной нормализацией. Для треков рекомендован формат «название [A] основной исполнитель».

По приведённой в карточке оценке модель хорошо находит японские названия и их варианты на разных письменностях, а также названия с платформенными суффиксами и обёртками. Карточка предупреждает, что конвейер данных, обучение, оценка и документация в значительной мере созданы ИИ и не проходили тщательную проверку; результаты следует считать экспериментальными. Короткие имена и соответствия между настоящими и сценическими именами могут быть неразрешимы по одному тексту; область применения ограничена японской и английской музыкальной тематикой. Лицензия — MIT.

Сценарии применения

  • поиск одного и того же трека по японскому названию и ромадзи
  • сопоставление названий песен с разными вариантами написания
  • поиск совпадающих исполнителей с платформенными суффиксами и обёртками
  • обнаружение дубликатов музыкальных релизов в каталогах разных сервисов
  • генерация кандидатов для последующей проверки музыкальных совпадений

Ограничения

Модель рассчитана на японскую и английскую музыкальную тематику; короткие имена и связи между настоящими и сценическими именами могут не определяться по тексту. Методология обучения и оценки не проходила тщательную проверку, поэтому приведённые результаты следует считать экспериментальными.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!WARNING] This model was mostly vibecoded by Claude (Anthropic's AI assistant). The data pipeline, training scripts, evaluation and this card were largely written by Claude under light human direction. The numbers come from real runs, but nobody has carefully audited the code, the data or the methodology. Treat it as an experiment, not a vetted model.

JP music title encoder (v7-L6)

A small embedding model for retrieving duplicate music entities: the same song, artist or release under different titles across sources (MusicBrainz, Spotify, YouTube, Discogs, SoundCloud). Built for Japanese-domain music (J-Pop, anime, VTuber, Vocaloid, game, idol), including its English and romaji spellings, plus a smaller Western tier.

It is a candidate generator (blocking) for a dedup pipeline: retrieve top-k neighbours, then let a separate decider judge each pair.

  • 6-layer BERT, hidden 384, distilled from a fine-tuned multilingual-e5-small teacher; XLM-R vocabulary pruned to 75,458 tokens.
  • model.onnx included (mean pooling + L2 normalization inside the graph): ~1.1 ms/title on 16 CPU threads, ~3.8 ms on 1.
  • model-f16.gguf included: the same encoder as an f16 llama.cpp BERT embedding model (mean pooling is set in its metadata; L2-normalize the output yourself). The f16 weights and llama.cpp's tanh GELU drift slightly from the safetensors model, so use it for retrieval, not for exact-score features.
  • Matryoshka: truncate to the first 256 dims and re-normalize at almost no cost.

Input format

  • Tracks: "{title} [A] {primary artist}" when the primary artist is known, else "{title}". The separator is literally [A]. With the artist, covers of the same song by different artists are kept apart.
  • Artists, releases: the name as stored. Platform wrappers (X - Topic, X Official, A Ch. 名前 - Group, 名前【事務所】, X (2)) are handled by the model; no parsing needed.
  • No query: / passage: prefix. Max length 48 tokens.
from sentence_transformers import SentenceTransformer
m = SentenceTransformer("gbnam8/jp-music-title-encoder")
e = m.encode(["夜に駆ける [A] YOASOBI", "Yoru ni Kakeru [A] YOASOBI",
              "Takane Lui - Topic", "鷹嶺ルイ"], normalize_embeddings=True)
print(e @ e.T)

Evaluation

Held-out library of ~26k entries (no library entity, credited artist, or same-named artist is in the training data). Recall@20 at pool sizes 11k → 511k (padded with MusicBrainz distractors), artist-conditioned tracks:

tracksartistscross-scriptall
LaBSE (title only)0.613 → 0.4560.586 → 0.4540.447 → 0.310—
multilingual-e5-small0.806 → 0.6780.726 → 0.6460.360 → 0.234—
this model0.991 → 0.9850.909 → 0.8280.908 → 0.8240.963 → 0.934

Held-out synthetic tests (@1): template-wrapped video titles 0.968, covers 0.997, artist wrappers with unseen groups 0.942; real YouTube channel titles → artist name @20 0.881.

Training

Contrastive fine-tuning (cached multiple-negatives ranking + Matryoshka) on name groups from MusicBrainz (name ↔ alias, recordings of one work, cross-script artist names, cover negatives), template-wrapped titles with same-template hard negatives, model-mined artist confusions, and platform/channel wrappers around artist names; then distillation (MSE to the teacher + contrastive replay) into 6 layers.

Limitations: legal-name ↔ stage-name pairs and very short names can't be resolved from text; the domain is Japanese/English music only.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
b5dc14c

0 моделей