Характеристики

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

Ссылки

Hugging Face

audio_cls

kumkang

Классификация текстаТекст → label

Дообученная wav2vec2-модель для классификации аудиосигналов, качество которой по указанной оценке низкое.

5скачиваний 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

kumkang/audio_cls — модель классификации аудио на базе wav2vec2, разработанная путём дообучения Kkonjeong/wav2vec2-base-korean. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров; веса доступны в формате safetensors. Модель предназначена для классификации аудиосигналов, однако карточка не описывает набор классов и конкретную область применения.

В README указаны результаты оценки: loss 2,6609 и accuracy 0,0252. Низкая точность не подтверждает пригодность модели для практического использования. Лицензия в предоставленных данных не указана.

Сценарии применения

Классификация аудио по заданным классам при наличии подходящей разметки
Экспериментальная проверка классификатора аудиосигналов

Ограничения

README сообщает accuracy 0,0252 на оценочном наборе, что указывает на низкое качество; датасет и набор классов не описаны. Практическая пригодность не подтверждена.

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:

Loss: 2.6609
Accuracy: 0.0252

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

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	119	2.6916	0.0252
No log	2.0	238	2.6434	0.0252
No log	3.0	357	2.6724	0.0252
No log	4.0	476	2.6791	0.0252
2.6623	5.0	595	2.6682	0.0252
2.6623	6.0	714	2.6593	0.0252
2.6623	7.0	833	2.6646	0.0252
2.6623	8.0	952	2.6606	0.0252
2.6439	9.0	1071	2.6623	0.0252
2.6439	10.0	1190	2.6609	0.0252

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: 4fe3fe0