Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-korean
Библиотека: transformers
Опубликована: 12 окт 2026

Ссылки

Hugging Face

audio_cls

kimyeongyu

Классификация текстаТекст → label

Дообученная модель Wav2Vec2 для классификации аудиозаписей по классам.

8скачиваний за 30 дней0лайковвеса обновлены12 окт 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

kimyeongyu/audio_cls — дообученная модель классификации аудио на базе Kkonjeong/wav2vec2-base-korean. Она построена на архитектуре Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; веса опубликованы в формате Safetensors. Модель предназначена для отнесения аудиозаписей к классам.

В README приведены результаты оценки: точность 0,0756 после одной эпохи обучения. Датасет, набор классов и предполагаемые сценарии применения не описаны, поэтому качество и пригодность модели для конкретной задачи оценить нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

Классификация аудиозаписей по заданным категориям
Разметка аудиоданных для последующего анализа
Экспериментальная оценка аудиоклассификатора на пользовательском датасете

Ограничения

В README указана низкая точность оценки — 0,0756; датасет и набор классов не описаны. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audio_cls

This model is a fine-tuned version of Kkonjeong/wav2vec2-base-korean on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 2.6565
eval_accuracy: 0.0756
eval_runtime: 13.3085
eval_samples_per_second: 8.942
eval_steps_per_second: 2.254
epoch: 1.0
step: 119

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: 0.0001
train_batch_size: 4
eval_batch_size: 4
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
num_epochs: 10
mixed_precision_training: Native AMP

Framework versions

Transformers 5.18.0
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.23.2

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: 86b384a