/ Модель

Характеристики

Архитектура
raag_resnet · dense
Опубликована
11 июн 2026

resnet-finetuned-1-hindustani-raag-small

Классификация аудиоАудио → label3 профессии

Классификатор аудио на основе ResNet, определяющий одну из 50 раг в музыке хиндустани.

40скачиваний за 30 дней0лайковвеса обновлены11 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

Модель neerajaabhyankar/resnet-finetuned-1-hindustani-raag-small — классификатор аудио на основе одномерной сверточной ResNet, разработанный для определения раги в музыке хиндустани. Архитектура включает 10 остаточных блоков и классификационную голову для 50 раг; аудио подаётся в исходном виде после преобразования к частоте 8 кГц и двум каналам.

Модель предназначена для распознавания раги в коротких фрагментах классической музыки хиндустани и исследовательских экспериментов с классификацией музыкальных жанровых признаков. Основа сети и предобученные веса происходят от ResNet jeevster для классификации раг карнатической музыки; модель перенесена в совместимый с Transformers формат и дообучена на наборе neerajaabhyankar/hindustani-raag-small. На тестовом наборе из 92 фрагментов точность составила 0,163, а macro-F1 — 0,132.

Модель ограничена 50 рагами и конкретным датасетом; приведённые результаты показывают умеренное качество распознавания. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение раги в коротком аудиофрагменте классической музыки хиндустани
  • автоматическая сортировка записей по рагам
  • анализ качества классификации музыкальных раг
  • эксперименты по распознаванию музыкальных структур на аудио

Ограничения

Классификация ограничена 50 рагами, а на тестовом наборе из 92 клипов точность составила 0,163 (macro-F1 — 0,132). Для входа требуется аудио, приведённое к 8 кГц и двум каналам.

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

resnet-finetuned-1-hindustani-raag-small

A 1D convolutional ResNet that classifies the raag (melodic framework) of a Hindustani classical music audio clip, across 50 raags.

Model description

The backbone is a 10-block 1D residual network operating on raw audio (resampled to 8kHz, 2-channel). Its architecture and pretrained weights originate from a ResNet trained by jeevster for Carnatic raga classification; we ported the backbone into this self-contained transformers-compatible model (no dependency on the original training code) and added a small classification head (Linear(300→64) → BatchNorm1d → ReLU → Dropout(0.2) → Linear(64→50)).

Training

We first trained the new head from scratch on frozen-backbone embeddings (a small hyperparameter sweep over depth/width/batchnorm/dropout). Starting from that trained head, we then unfroze only the backbone's last residual block and fine-tuned it jointly with the head, end-to-end on raw audio (5-second random crops, batch size 8, discriminative learning rates), keeping the rest of the backbone frozen. Training used the 1161-clip train split of neerajaabhyankar/hindustani-raag-small (50 raags), with an 85/15 held-out validation split for early stopping.

Evaluation

On the dataset's 92-clip test split: accuracy 0.163, macro-F1 0.132 (chance level for 50 classes is 0.02).

Usage

import datasets
from transformers import AutoModelForAudioClassification, AutoFeatureExtractor

model = AutoModelForAudioClassification.from_pretrained(
    "neerajaabhyankar/resnet-finetuned-1-hindustani-raag-small", trust_remote_code=True
)
feature_extractor = AutoFeatureExtractor.from_pretrained(
    "neerajaabhyankar/resnet-finetuned-1-hindustani-raag-small", trust_remote_code=True
)

ds = datasets.load_dataset("neerajaabhyankar/hindustani-raag-small", split="test")
audio = ds[0]["audio"]
inputs = feature_extractor(audio["array"], audio["sampling_rate"])
logits = model(inputs["input_values"].unsqueeze(0)).logits
predicted_raag = model.config.id2label[logits.argmax(-1).item()]

Как запустить

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

GPU в ailist

Универсальный рантайм · audio-classification

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
RaagResNetForAudioClassification
Ревизия весов
22424b7

0 моделей