/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Опубликована
29 мая 2024

wav2vec2-base-one-shot-hip-hop-drums-clf

Классификация текстаТекст → label3 профессии

Модель классифицирует одноразовые хип-хоп-сэмплы ударных по семи категориям для автоматической сортировки аудиобиблиотек.

471скачиваний за 30 дней6лайковвеса обновлены3 июл 2024

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

yojul/wav2vec2-base-one-shot-hip-hop-drums-clf — модель классификации аудио, дообученная на базе facebook/wav2vec2-base. Она обучалась на 17 тысячах одноразовых хип-хоп-сэмплов ударных и относит звук к одному из семи классов: бочка, малый барабан, тарелки, открытый хай-хэт, закрытый хай-хэт, 808 и хлопок. Архитектура — Wav2Vec2ForSequenceClassification, размер — 113,3 млн параметров.

Модель предназначена для автоматической сортировки аудиобиблиотек сэмплов, когда в них нет исходных метаданных. В README указаны точность 0,9243 и значение loss 0,2463 на оценочном наборе. Для входа подходят аудиофайлы; обучение проводилось на аудио с частотой дискретизации 16 кГц, поэтому на других типах звуков и частотах качество может отличаться. Лицензия — Apache-2.0.

Сценарии применения

  • автоматическая сортировка хип-хоп-сэмплов по типу ударного инструмента
  • определение бочки, малого барабана, тарелок, хай-хэта, 808 или хлопка в аудиосэмпле
  • разметка аудиобиблиотеки ударных без метаданных

Ограничения

Модель обучена на хип-хоп-сэмплах ударных с частотой дискретизации 16 кГц; качество на других звуках и аудио с иными характеристиками может отличаться. Классификатор ограничен семью классами ударных.

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

wav2vec2-base-one-shot-hip-hop-drums-clf

This model is a fine-tuned version of facebook/wav2vec2-base on yojul/one-shot-hip-hop-drums. It achieves the following results on the evaluation set:

  • Loss: 0.2463
  • Accuracy: 0.9243

Model description

This a model is a classifier of one-shot drum sample, it has been trained on 17k hip-hop drum samples. It is able to classify samples within 7 classes : Kicks, Snares, Cymbals, Open-hats, Hi-hats, 808s, Claps.

Intended uses & limitations

It might be used to automatically sort large number of drum samples when there are no prior knowledge on metadata. The model can take any audio file as input, but note that it has been trained on audio files downsampled at 16kHz.

Training and evaluation data

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
0.84321.01230.74490.8523
0.46922.02460.41990.8894
0.34783.03690.31220.9148
0.30544.04920.27710.9156
0.25225.06150.26760.9217
0.22216.07380.24950.9217
0.22567.08610.25880.9184
0.19498.09840.25250.9232
0.18379.011070.25050.9237
0.164410.012300.24630.9243

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
11738e9

0 моделей