BAMM CNN detectors

Два бинарных классификатора от DaveLoay оценивают вероятность того, что музыка сгенерирована AI (Suno v3.5), а не создана человеком. Это baseline-модели статьи ISMIR 2026 о детекции AI-музыки в реальном телевещании: 1,64 млн параметров, Keras, вес 6,6 МБ.

✅ Ключевые особенности

• 🎤 CNN Clean обучен на чистой музыке: FMA-medium (человек) против SONICS Suno v3.5 (AI).
• 🔥 CNN Broadcast — та же музыка, но 70% каждого класса смешано с речью LibriSpeech при случайном SNR от −30 до +30 дБ, 30% оставлено чистыми; всё перекодировано в 8 кГц / 40 кбит/с MP3.
• ✅ На выходе P(AI) — среднее по непересекающимся 5-секундным окнам; в статье порог AI — P(AI) >= 0.5.
• 🦾 Архитектура: шесть блоков Conv2D 3×3 (16–512 фильтров), max pooling, batch norm, global average pooling, dropout, dense 128 со swish и sigmoid.
• 😎 В каждом варианте: model.h5, config_snapshot.yaml, training_history.json и model_summary.txt.
• 📉 AI-класс — только Suno v3.5; на реальном эфире оба детектора заметно деградируют, особенно на фоновой музыке, и для мониторинга в одиночку их недостаточно.

😎 Пример

git clone https://github.com/DaveLoay/BAMM-dataset.git && cd BAMM-dataset
pip install -e .
python scripts/download_weights.py
python -m pipelines.predict --model-path weights/cnn_broadcast/model.h5 --input clip.mp4

Подробнее

CFM: F1 0,992 и ROC-AUC 0,998 у CNN Clean; у CNN Broadcast — 0,992 и 0,996.
STB: CNN Broadcast F1 0,661, ROC-AUC 0,926; RTB по клипам — F1 0,472, ROC-AUC 0,796.
Нужны ffmpeg, TensorFlow 2.11–<2.16, librosa и numpy<2; модель видит только сигнал ниже 4 кГц.
Веса под CC BY-NC 4.0, код на GitHub — MIT. Не используйте одну оценку как единственное основание для решений о человеке или работе.