К содержимому
Аудио

AIAMD

быстрое определение автоответчика по первым секундам звонка

2 мин чтенияобновлено

AIAMD (Answering Machine Detection) — компактная аудиомодель от автора kugu для определения, кто ответил на исходящий звонок: живой человек или автоответчик (голосовая почта, голосовой ассистент, IVR-меню или сетевые гудки). Модель анализирует первые 3 секунды аудио и каждые 0,48 секунды обновляет вероятность того, что на линии робот, позволяя принять решение прямо во время соединения. В основе лежит замороженный извлекатель признаков YAMNet и лёгкая рекуррентная сеть на базе GRU (Gated Recurrent Unit) всего на 44 657 обучаемых параметров — это реализация научной работы Altwlkany et al. (2024). Инструмент пригодится разработчикам систем автообзвона, колл-центров и голосовых ботов.

Ключевые особенности

  • Потоковая оценка в реальном времени: каждые 0,48 секунды выдаёт вероятность p(machine), позволяя завершить или переключить вызов ещё до окончания приветствия.
  • Сверхлёгкая архитектура: поверх замороженного YAMNet работает компактная связка Dense(32) → GRU(48) → Dense(1) на 44,6 тыс. параметров, не требующая мощных GPU.
  • Калибровка из коробки: в репозитории уже есть файл калибровки с температурой 1.156 и оптимальным порогом 0.452, а также готовый скрипт inference.py со всей предобработкой.
  • Устойчивость к тишине и длине записи: при обучении к обоим классам добавляли случайные паузы из фонового шума, чтобы модель не ориентировалась на длину клипа.

Что можно сделать

  • Фильтрация в системах автообзвона: отсекать автоответчики и гудки на 1–2 секунде разговора, чтобы не тратить время операторов или ресурсы дорогого голосового LLM-агента.
  • Маршрутизация для голосовых ботов: сразу переключать сценарий бота на запись сообщения, если модель с высокой уверенностью распознала голосовую почту.
  • Докалибровка под свой трафик: взять готовый класс AmdDetector и подобрать собственный порог срабатывания под баланс ложных срабатываний на вашей телефонии.

Пример

from inference import AmdDetector

detector = AmdDetector()
result = detector.predict(samples, sample_rate)
# {"decision": "machine", "p_machine": 0.99, "threshold": 0.452, ...}
ПодробнееМетрики на тесте (порог 0.452): Balanced accuracy — 0.963, AUC — 0.993, Recall по людям — 0.962, по автоответчикам — 0.963 (на отложенной выборке из 7000 записей — 0.965).
Точность по времени прослушивания: 0.868 через 0,98 с, 0.940 через 1,94 с и 0.965 через 2,90 с.
Лучше всего ловит голосовую почту (0.974) и гудки (0.955), сложнее даются кастомные приветствия и короткие ответы только с именем (~0.86–0.89).
Ограничения: рассчитана только на телефонное аудио 8 кГц длиной до 3 с; при требовании 99% точности по людям доля пойманных автоответчиков падает до ~73%, а из-за обучения на данных одного канала на другой телефонии метрики могут снизиться.
Обсудить Telegram 0 15

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # kugu/AIAMD
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download kugu/AIAMD --local-dir ~/models/AIAMD
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к AIAMD
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии AIAMD — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

kugu/AIAMD
Автор
kugu
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии