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: 22 сен 2026

Ссылки

Hugging Face

beewatch_ast_3class

troyskie

Классификация аудиоАудио → label3 профессии

Дообученная AST-модель для классификации аудио по трём классам.

66скачиваний за 30 дней0лайковвеса обновлены25 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

beewatch_ast_3class — модель классификации звуков на основе Audio Spectrogram Transformer (AST), разработанная пользователем troyskie и дообученная на базе MIT/ast-finetuned-audioset-10-10-0.4593. Она принимает аудио и относит его к одному из трёх классов; конкретные названия классов и целевой сценарий в карточке не раскрыты.

Модель содержит 113,2 млн параметров и распространяется в формате safetensors для библиотеки Transformers. На оценочном наборе указаны accuracy 0,7473 и macro F1 0,7245. Лицензия — BSD 3-Clause.

Сценарии применения

классификация аудиозаписей по трём категориям
определение класса звукового фрагмента
автоматическая разметка аудио по категориям

Ограничения

Названия трёх классов и состав обучающего набора не раскрыты. На оценочном наборе accuracy составляет 0,7473, а macro F1 — 0,7245; результаты на других данных могут отличаться.

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

beewatch_ast_3class

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

Loss: 0.7238
Accuracy: 0.7473
Macro Precision: 0.7277
Macro Recall: 0.7249
Macro F1: 0.7245

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: 1e-05
train_batch_size: 16
eval_batch_size: 16
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: 10
num_epochs: 4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Macro Precision	Macro Recall	Macro F1
0.2769	1.0	52	0.4908	0.7903	0.7726	0.7736	0.7707
0.0770	2.0	104	0.5907	0.7527	0.7340	0.7275	0.7177
0.0212	3.0	156	0.6870	0.7419	0.7260	0.7207	0.7223
0.0075	4.0	208	0.7265	0.7473	0.7277	0.7249	0.7245

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

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: 218b24d