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: 15 авг 2026

Ссылки

Hugging Face

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

tomragus

Классификация аудиоАудио → label3 профессии

Дообученная на GTZAN модель AST для классификации музыкальных аудиозаписей.

29скачиваний за 30 дней0лайковвеса обновлены15 авг 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 tomragus/ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan — дообученная на наборе GTZAN модель MIT/ast-finetuned-audioset-10-10-0.4593. Она использует архитектуру Audio Spectrogram Transformer (AST) для классификации аудио. На оценочной выборке GTZAN достигла accuracy 0,8754 после 4,27 эпохи обучения.

Модель предназначена для отнесения музыкальных аудиозаписей к классам GTZAN. Веса опубликованы в формате Safetensors и доступны по лицензии BSD-3-Clause. Архитектура содержит около 113,2 млн параметров.

Сценарии применения

определение жанра музыкальной записи из GTZAN
классификация музыкальных аудиофрагментов по классам GTZAN
автоматическая разметка музыкальных коллекций классами GTZAN

Ограничения

Назначение модели ограничено классификацией в рамках классов GTZAN; в README не приведены сведения о дополнительных сценариях или ограничениях. Accuracy 0,8754 относится к оценочной выборке GTZAN и не гарантирует такую же точность на других данных.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

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:

eval_loss: 0.5764
eval_accuracy: 0.8754
eval_runtime: 54.5075
eval_samples_per_second: 5.449
eval_steps_per_second: 0.697
epoch: 4.2700
step: 1439

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
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

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 2.21.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры: ASTForAudioClassification
Ревизия весов: 3b5468c