/ Модель

Характеристики

Лицензия
OpenRAIL
Базовая модель
BabyHuBERT
Библиотека
transformers
Опубликована
3 сен 2026

childvox-circor-babyhubert

Классификация аудиоАудио → label3 профессии

Модель на основе BabyHuBERT классифицирует аудиозаписи сердечных шумов как отсутствующие, неизвестные или присутствующие.

18скачиваний за 30 дней1лайквеса обновлены3 сен 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 разработана Tiantian Feng и предназначена для классификации шумов сердца по аудиозаписям. Она дообучена на наборе CirCor, включающем записи аускультации у 1568 участников в возрасте от 0 до 21 года; задача входит в бенчмарк ChildVox. Модель выдаёт одну из меток: Absent, Unknown или Present.

Модель основана на BabyHuBERT и принимает аудио для классификации физиологических звуков. В карточке указана лицензия OpenRAIL, а использование в коммерческих целях исключено. Записи детей и физиологические данные чувствительны: при работе с ними следует соблюдать требования приватности, согласия и применимого регулирования.

Модель не предназначена для клинической диагностики и скрининга, индивидуальной оценки без экспертной проверки, наблюдения или иных вторжений в частную жизнь.

Сценарии применения

  • Классификация шума сердца в фонокардиограмме
  • Разметка аудиозаписей для исследований детских физиологических звуков
  • Оценка наличия сердечного шума в наборе записей CirCor

Ограничения

Не предназначена для клинической диагностики, скрининга или индивидуальной оценки без экспертной проверки; запрещены коммерческое использование, наблюдение и вторжение в частную жизнь. Обработка записей детей требует особого внимания к согласию, приватности, этическому одобрению и применимому законодательству.

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

BabyHuBERT for CirCor Murmur Classification

Model Description

This model includes the implementation of heart murmur classification described in ChildVox: A Speech, Audio, and Large Audio-Language Model Benchmark in Understanding and Characterizing Sound across Childhood (Accepted to EMNLP 2026 Main)

Github repository: https://github.com/tiantiaf0627/childvox-release

The model is fine-tuned on the CirCor dataset, which consists of large-scale heart sound recordings collected from the main four auscultation locations of 1568 subjects, aged between 0 and 21 years.

The included labels are:

[
  "Absent",
  "Unknown",
  "Present"
]

How to use this model

Download repo

git clone git@github.com:tiantiaf0627/childvox-release

Install the package

conda create -n childvox python=3.10
cd childvox
pip install -e .

Load the model

# Load libraries
import torch
import torch.nn.functional as F
from src.model.childvox.babyhubert_audio import BabyHuBERTWrapper

# Find device
device = torch.device("cuda") if torch.cuda.is_available() else "cpu"

# Load model from Huggingface
# We provide model with different folds, and specify the fold from 1, 2, 3, 4, 5
model = BabyHuBERTWrapper.from_pretrained("tiantiaf/childvox-circor-babyhubert", fold_idx=1).to(device)
model.eval()

Prediction

# Label List
label_list = [
  "Absent",
  "Unknown",
  "Present"
]

# Load data, here just zeros as the example
# The child physiological segments used in training, which we cap the input at 10 seconds
# You need to prepare your audio to a length of 10 seconds, 16kHz and mono channel (we upsample the 8kHz digiscope recordings to 16kHz)
max_audio_length = 10 * 16000
data = torch.zeros([1, 160000]).float().to(device)[:, :max_audio_length]
logits, embeddings = model(data, return_feature=True)

# Probability and output
prob = F.softmax(logits, dim=1)
print(label_list[torch.argmax(prob).detach().cpu().item()])

Responsible Use: Child speech or physiological sounds data is highly sensitive. Users should respect the privacy and consent of the children and families whose recordings are processed, obtain approval from the appropriate ethics/IRB body, and adhere to the relevant laws and regulations in their jurisdictions when using ChildVox.

If you have any questions, please contact: Tiantian Feng (tiantiaf@usc.edu)

❌ Out-of-Scope Use

  • Clinical or diagnostic applications (e.g., screening for developmental or language disorders)
  • Individual-level developmental assessment without expert human review
  • Surveillance
  • Privacy-invasive applications
  • No commercial use

If you like our work or use the models in your work, kindly cite the following. We appreciate your recognition!

@article{feng2026childvox,
  title={ChildVox: A Speech, Audio, and Large Audio-Language Model Benchmark in Understanding and Characterizing Sound across Childhood},
  author={Feng, Tiantian and Xu, Anfeng and Shi, Xuan and Kommineni, Aditya and Siam, Shakhrul Iman and Micheletti, Megan and Shi, Zhonghao and Tager-Flusberg, Helen and Zhang, Mi and Perry, Lynn K and others},
  journal={arXiv preprint arXiv:2605.29257},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
cf11d6e

0 моделей