Характеристики

Параметры: 113 млн
Лицензия: BSD 3-Clause
Архитектура: audio-spectrogram-transformer · dense
Базовая модель: ast-finetuned-audioset-10-10-0.4593
Библиотека: transformers
Опубликована: 7 июл 2026

Ссылки

Hugging Face

ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan

nagorebravo

Классификация аудиоАудио → label3 профессии

Дообученная на GTZAN модель AST для классификации музыкальных аудиозаписей.

12скачиваний за 30 дней0лайковвеса обновлены15 июл 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

Модель nagorebravo/ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan — дообученная на датасете GTZAN модель MIT/ast-finetuned-audioset-10-10-0.4593 для классификации аудио. Она использует архитектуру Audio Spectrogram Transformer (AST), основанную на Vision Transformer, и содержит 113,2 млн параметров. По README, на оценочной выборке модель достигла точности 0,88 при значении loss 0,403864.

Модель предназначена для классификации музыкальных аудиозаписей в сценариях, связанных с GTZAN. Условия использования определяет лицензия BSD 3-Clause.

Сценарии применения

классификация музыкальных аудиозаписей
определение жанров музыки на данных GTZAN
автоматическая разметка музыкальных фрагментов

Ограничения

Показатель точности 0,88 относится к оценочной выборке GTZAN; переносимость на другие аудиоданные из README не следует. Входные аудиозаписи должны подходить для классификации моделью AST.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan

This model is a fine-tuned version of MIT/ast-finetuned-audioset-10-10-0.4593 on the GTZAN dataset. It achieves the following results on the evaluation set:

Loss: 0.403864
Accuracy: 0.88

Model description

ast-finetuned-audioset-10-10-0.4593

Intended uses & limitations

audio-classification

Training and evaluation data

marsyas/gtzan

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 8
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: 15
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7235	1.0	113	0.6009	0.85
0.3576	2.0	226	0.5851	0.81
0.0886	3.0	339	0.5113	0.85
0.0971	4.0	452	0.3983	0.86
0.0023	5.0	565	0.5785	0.87
0.0078	6.0	678	0.4070	0.88
0.0018	7.0	791	0.4260	0.88
0.0005	8.0	904	0.6328	0.85
0.0002	9.0	1017	0.4039	0.88
0.0002	10.0	1130	0.3952	0.87
0.0002	11.0	1243	0.3947	0.87
0.0001	12.0	1356	0.3944	0.87
0.0001	13.0	1469	0.3927	0.87
0.0001	14.0	1582	0.3930	0.87
0.0002	15.0	1695	0.3931	0.87

Framework versions

Transformers 5.14.0.dev0
Pytorch 2.11.0+cu128
Datasets 3.6.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ASTForAudioClassification
Ревизия весов: 07208e3