/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53-arabic
Библиотека
transformers
Опубликована
21 июн 2026

wav2vec2-ser

Классификация текстаТекст → label3 профессии

Дообученная модель Wav2Vec2 для классификации аудио, основанная на арабской версии XLSR-53.

9скачиваний за 30 дней0лайковвеса обновлены21 июн 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

mabahboh/wav2vec2-ser — модель классификации аудио, дообученная на основе elgeish/wav2vec2-large-xlsr-53-arabic. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 402,7 млн параметров. README сообщает о результатах на оценочном наборе: accuracy 0,5944, macro F1 0,5922 и UAR 0,5944.

Модель предназначена для классификации аудиозаписей. Название репозитория предполагает задачу распознавания эмоций в речи, однако README не описывает классы, набор данных или сценарии применения, поэтому конкретное назначение классификатора по доступным сведениям подтвердить нельзя. Базовая модель ориентирована на арабскую речь, но поддерживаемые этой производной языки не перечислены. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация аудиозаписей
  • анализ аудиосигналов в исследовательских экспериментах
  • оценка качества классификатора аудио

Ограничения

README не раскрывает классы, обучающий набор данных и конкретные сценарии использования; указанные результаты на оценочном наборе умеренные (accuracy 0,5944, macro F1 0,5922).

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

wav2vec2-ser

This model is a fine-tuned version of elgeish/wav2vec2-large-xlsr-53-arabic on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1711
  • Accuracy: 0.5944
  • Macro F1: 0.5922
  • Uar: 0.5944

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: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • 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
  • lr_scheduler_warmup_steps: 0.1
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracyMacro F1Uar
2.47451.022611.30440.51460.50520.5145
2.36792.045221.22060.55820.55830.5581
2.40633.067831.19950.57280.57170.5727
2.30474.090441.19170.57470.57280.5747
2.32195.0113051.18180.58540.58430.5853
2.14586.0135661.17580.58800.58680.5880
2.15087.0158271.17310.59310.59120.5931
2.32478.0180881.17280.59240.58990.5924
2.17799.0203491.17260.59350.59090.5935
2.218310.0226101.17110.59440.59220.5944

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
0be7801

0 моделей