/ Модель

Характеристики

Параметры
56,6 млн
Лицензия
Apache 2.0
Архитектура
audio-spectrogram-transformer · dense
Базовая модель
distil-ast-audioset
Опубликована
5 ноя 2023

distil-ast-audioset-finetuned-cry

Классификация аудиоАудио → label3 профессии

Дообученная модель Audio Spectrogram Transformer для классификации аудиозаписей плача.

33скачиваний за 30 дней1лайквеса обновлены5 ноя 2023

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

Модель jstoone/distil-ast-audioset-finetuned-cry разработана как дообученная версия bookbot/distil-ast-audioset для классификации аудиозаписей с использованием набора данных DonateACry. Она построена на архитектуре Audio Spectrogram Transformer и содержит 56,6 млн параметров. По результатам оценки на тестовом наборе точность составляет 0,6364, а значение функции потерь — 1,8592. Модель предназначена для распознавания звуков плача в аудиозаписях.

Модель принимает аудио и выдаёт категорию классификации. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Результат оценки указывает на ограниченную точность, поэтому классификацию стоит проверять для целевого сценария.

Сценарии применения

  • классификация звуков плача в аудиозаписях
  • выявление плача в записях для последующего анализа
  • разметка аудио по категории звука плача

Ограничения

Точность на оценочном наборе составляет 0,6364; качество на других типах аудиозаписей не подтверждено.

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

distil-ast-audioset-finetuned-cry

This model is a fine-tuned version of bookbot/distil-ast-audioset on the DonateACry dataset. It achieves the following results on the evaluation set:

  • Loss: 1.8592
  • Accuracy: 0.6364

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
1.95951.0111.61200.0909
1.30532.0221.36770.2727
0.76043.0331.95630.1818
0.43514.0441.38750.5455
0.3165.0551.72350.5455
0.09496.0661.53620.6364
0.03557.0771.80200.5455
0.01568.0881.83200.6364
0.01029.0991.90280.6364
0.006110.01101.85920.6364

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ASTForAudioClassification
Ревизия весов
91a82dc

0 моделей