ast-finetuned-gtzan
жанр музыки по звуку за один прогон
1 min readupdated
Файнтюн Audio Spectrogram Transformer (около 90 млн параметров) от apase95 на базе MIT/ast-finetuned-audioset-10-10-0.4593. Модель дообучена на датасете GTZAN под задачу audio-classification в библиотеке transformers.
Ключевые особенности
- Определяет музыкальный жанр по аудиофайлу — классический пайплайн через
pipeline("audio-classification"). - Accuracy 0.91 и loss 0.3891 на evaluation set.
- Обучение: 6 эпох, lr 3e-5, batch size 8, оптимизатор AdamW (fused), cosine-шедулер с 30 шагами разогрева.
- Проверено на Transformers 5.22.1, PyTorch 2.14.1+cu130, Datasets 2.21.0.
Пример
from transformers import pipeline
clf = pipeline(
"audio-classification",
model="apase95/ast-finetuned-gtzan",
)
print(clf("track.wav", top_k=3))Подробнее
Лучший результат по ходу обучения — accuracy 0.93 на 4-й эпохе (validation loss 0.3807).Финальная метрика на eval: loss 0.3891, accuracy 0.91.
Разделы про intended uses, ограничения и состав данных в карточке пустые — оценивайте качество на своих треках.










Comments