AADD v3

AADD v3 — модель автоматического обнаружения деградаций аудио (Automatic Audio Degradation Detection) от agertel. Это файнтюн Whisper-small encoder на 88 млн параметров: на 8-секундных окнах она выдаёт вероятности 12 типов деградаций для каждого 20-мс фрейма. Предназначена для чистки ASR/TTS-датасетов и аудита записей.

🤓 Ключевые особенности

• 🗣 12 классов: шум, музыка, реверберация, клиппинг, low-pass / narrow band, high-pass, кодеки, packet loss, mains hum, клики, pitch shift и time stretch.
• 📝 Несколько деградаций могут присутствовать одновременно; выход — sigmoid на каждый класс на 20-мс фрейм.
• ⌨ Основа — Whisper-small encoder; чекпоинт весит 177 МБ и загружается через Detector("v3").
• 👍 Обучена на английском и русском; есть CLI для сканирования датасета и HTML-отчёта.
• 🤔 Для реальных записей рекомендуется v3; v1 и v2 — лёгкие CPU-модели для 7 синтетических классов.

📝 Пример

from aadd import Detector

det = Detector("v3", resolution=1.0)
res = det.predict_file("call.wav")
res.detected
res.frame_probs.shape

Подробнее

ROC-AUC на VoiceBank-DEMAND для шума — 0.985; frame macro-AP на held-out синтетике — 0.955 (EN) и 0.959 (RU).
Чекпоинт 177 МБ, backbone 88M параметров; обучение заняло 2.4 ч на одной H100.
Ограничения: деградации синтетические, реальные тесты покрывают шум и реверберацию; модель рассчитана на читаемую речь и вход 16 кГц.