/ Модель

Характеристики

Размер весов
1,1 ГБ
Лицензия
CC BY-SA 4.0
Опубликована
11 июн 2025

yamnetp_ahead_ds

Классификация аудиоАудио → label3 профессии

Модель классифицирует звуковые сцены для распознавания окружающей акустической обстановки, в том числе на мобильных устройствах и устройствах для слуха.

1 555скачиваний за 30 дней0лайковвеса обновлены1 мар 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

OpenYAMNet/YAMNet+ — модель распознавания звуковых сцен, разработанная авторами работы об AHEAD-DS и OpenYAMNet. Она предназначена для распознавания окружающей акустической обстановки на устройствах с ограниченными ресурсами, например на смартфонах, подключённых к слуховым аппаратам или беспроводным наушникам. Модель классифицирует сцены, включая шумную беседу, транспорт, музыку, тихие помещения, речь на фоне шума, реверберацию и ветер.

Модель принимает аудио и выдаёт классы звуковых сцен. В тестировании на AHEAD-DS указаны mAP 0,86 и точность 0,93. По README, на Google Pixel 3 обработка одной секунды аудио занимает около 30 мс, а загрузка — около 50 мс. Репозиторий содержит варианты TensorFlow и TensorFlow Lite. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • распознавание акустической сцены вокруг пользователя
  • определение шума транспорта и нахождения в автомобиле
  • обнаружение речи на фоне музыки, ветра или дорожного шума
  • распознавание шумной беседы и нескольких говорящих
  • классификация тихих и реверберирующих помещений
  • интеграция распознавания сцен в слуховые аппараты и беспроводные наушники

Ограничения

Оценки качества приведены только для тестового набора AHEAD-DS; результаты на других данных могут отличаться. README не описывает ограничения по длительности входного аудио или устойчивости к акустическим условиям вне перечисленных классов.

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

OpenYAMNet/YAMNet+

This repository contains the models for OpenYAMNet/YAMNet+, introduced in the paper A dataset and model for auditory scene recognition for hearing devices: AHEAD-DS and OpenYAMNet.

OpenYAMNet is a sound recognition model designed for deployment on edge devices like smartphones connected to hearing devices (e.g., hearing aids and wireless earphones). It serves as a baseline model for sound-based scene recognition.

Model Performance

OpenYAMNet achieved the following results on the testing set of the AHEAD-DS dataset:

  • Mean Average Precision (mAP): 0.86
  • Accuracy: 0.93

The model is optimized for real-time use, with approximately 50ms of latency for loading and a processing time of ~30ms per 1 second of audio on a 2018 Google Pixel 3.

Resources

Supported Scene Classes

Classes
cocktail_party
interfering_speakers
in_traffic
in_vehicle
music
quiet_indoors
reverberant_environment
wind_turbulence
speech_in_traffic
speech_in_vehicle
speech_in_music
speech_in_quiet_indoors
speech_in_reverberant_environment
speech_in_wind_turbulence

Licence

Licenced under CC BY-SA 4.0. See LICENCE.txt. Licence for original YAMNet weights.

Citation

@misc{zhong2026datasetmodelauditoryscene,
      title={A dataset and model for auditory scene recognition for hearing devices: AHEAD-DS and OpenYAMNet}, 
      author={Henry Zhong and Jörg M. Buchholz and Julian Maclaren and Simon Carlile and Richard Lyon},
      year={2026},
      eprint={2508.10360},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2508.10360}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Keras/TensorFlow-модели рантайм не загружает.

Ревизия весов
76b314f

0 моделей