/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Опубликована
22 апр 2024

wav2vec2-base-finetuned

Классификация текстаТекст → label3 профессии

Дообученная wav2vec 2.0 модель для классификации аудио.

24скачиваний за 30 дней4лайкавеса обновлены24 апр 2024

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

mo-thecreator/wav2vec2-base-finetuned — дообученная на основе facebook/wav2vec2-base модель для классификации аудио. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. В README указаны accuracy 0,9997 и loss 0,0015 на оценочном наборе, но название и состав набора данных не приведены.

Модель принимает аудио и выдаёт классовую оценку; метаданные также отмечают поддержку классификации текста, однако описание обучения и назначения классов отсутствует. Базовая wav2vec 2.0 предварительно обучена на речевом аудио. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация аудиозаписей по категориям
  • распознавание классов речевых аудиофрагментов
  • оценка аудио для задач классификации

Ограничения

Назначение классов, обучающие данные и область применения не описаны. Высокие метрики в README приведены без сведений о наборе и методике оценки.

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-base-finetuned

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0015
  • Accuracy: 0.9997

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: 3e-05
  • train_batch_size: 6
  • eval_batch_size: 6
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 24
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2.5

Training results

Training LossEpochStepValidation LossAccuracy
0.00041.053280.00680.9983
0.00062.0106570.00350.9994
0.02.5133200.00150.9997

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
5d1514e

0 моделей