/ Модель

Характеристики

Размер весов
2,7 ГБ
Лицензия
MIT
Библиотека
pytorch
Опубликована
29 мар 2026

MuQ-Eval-A1

Классификация аудиоАудио → label3 профессии

Модель оценивает качество коротких музыкальных аудиоклипов, в том числе созданных генеративными системами.

1 748скачиваний за 30 дней0лайковвеса обновлены29 мар 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

MuQ-Eval-A1 — модель оценки качества музыки, разработанная zhudi2825. Она использует замороженный аудиоэнкодер OpenMuQ/MuQ-large-msd-iter, attention pooling и отдельные MLP-головы для прогнозирования оценок MI и TA с функцией потерь MSE. На вход подаётся аудиосигнал с частотой 24 кГц длительностью до 10 секунд; модель предназначена для оценки качества музыки, созданной музыкальными генераторами.

Модель обучалась на наборе MusicEval и оценивалась с помощью пятифолдовой кросс-валидации на 2 748 клипах от 31 системы преобразования текста в музыку. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT.

Сценарии применения

  • оценка качества музыки, созданной генеративной моделью
  • сравнение систем генерации музыки по оценкам MI и TA
  • автоматическая оценка музыкальных аудиоклипов длительностью до 10 секунд

Ограничения

Принимает аудио только с частотой 24 кГц и длительностью не более 10 секунд. Описание сообщает об оценках MI и TA, но не раскрывает их шкалы и интерпретацию.

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

MusicQualityModel — A1_frozen_mlp

Multi-head neural evaluator for music generation quality, built on frozen MuQ representations with learned attention pooling and per-dimension MLP prediction heads.

Model Details

  • Encoder: OpenMuQ/MuQ-large-msd-iter (tuning mode: frozen)
  • Pooling: Attention-weighted mean pooling
  • Heads: MI, TA
  • Loss: mse
  • Input: Audio waveform at 24000 Hz, max 10.0s

Performance

Evaluated with 5-fold cross-validation on MusicEval (2,748 clips, 31 TTM systems).

Usage

import torch
import torchaudio
from omegaconf import OmegaConf
from huggingface_hub import hf_hub_download

# Download files
config_path = hf_hub_download("zhudi2825/MuQ-Eval-A1", "config.yaml")
model_path = hf_hub_download("zhudi2825/MuQ-Eval-A1", "best_model.pt")

# Load config and build model
cfg = OmegaConf.load(config_path)
from src.model import MusicQualityModel
model = MusicQualityModel(cfg)

ckpt = torch.load(model_path, map_location="cpu", weights_only=False)
model.load_state_dict(ckpt["model_state"])
model.eval()

# Run inference
waveform, sr = torchaudio.load("audio.wav")
if sr != 24000:
    waveform = torchaudio.transforms.Resample(sr, 24000)(waveform)
waveform = waveform.mean(0)  # mono
waveform = waveform[:240000].unsqueeze(0)  # [1, samples]

with torch.no_grad():
    preds = model(waveform)
    scores = model._last_expected_scores
    for name, score in scores.items():
        print(f"{name}: {score.item():.2f}")

Training

  • Dataset: MusicEval (BAAI/MusicEval) — 5-fold stratified CV by TTM model
  • Epochs: 30
  • Batch size: 16
  • Optimizer: AdamW (lr=0.001, wd=0.01)
  • Scheduler: cosine with 500 warmup steps
  • Precision: bf16

Citation

If you use this model, please cite:

@article{zhu2026muqeval,
  title={Frozen Music Representations Suffice for Per-Sample Quality Prediction of Generated Music},
  author={Zhu, Di and Li, Zixuan},
  journal={arXiv preprint arXiv:2603.22677},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · audio-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
b082e23

0 моделей