К содержимому
Другое

drone-v1

крошечный детектор тональности

2 мин чтенияобновлено

drone-v1 — крошечный классификатор музыкальной тональности: получает аудио и выдаёт тонику и лад (мажор или минор) среди 24 классов. Он работает по constant-Q спектрограмме (CQT — представление звука по высоте тона) и содержит всего 109 128 параметров. Автор обучил K10-архитектуру на 1363 EDM-превью с Beatport; на отложенном GiantSteps 604 средний MIREX — 73,58%, exact — 66,8%. Есть PyTorch-чекпоинт и ONNX-экспорт для CPU. Пригодится для DJ-софта, сортировки треков и анализа музыкальных библиотек.

Ключевые особенности

  • 109 128 параметров; по карточке — самая маленькая модель, обошедшая native libkeyfinder на GiantSteps 604.
  • 24 класса: 12 тоник × major/minor, на выходе 24 logits.
  • Вход — CQT: 24 бина на октаву, 208 бинов, hop 4096, log1p; модели подаются 192 core-бина.
  • Есть drone-v1.pt (seed 13) и drone-v1.onnx: opset 18, dynamic batch, проверена CPU-совместимость.
  • Обучение — на 1363 Beatport EDM previews (933 minor / 430 major), K10-протокол.

Что можно сделать

  • Встроить в DJ-утилиту для гармонического сведения: определять тональность трека на лету.
  • Сортировать локальную библиотеку по тональности и ладу, находить совместимые треки.
  • Запускать анализ на CPU через ONNX — без GPU и тяжёлых зависимостей.
  • Сравнить с libkeyfinder на своей EDM-подборке и посмотреть, где tiny-модель выигрывает.

Пример

from drone import Predictor

predictor = Predictor()
print(predictor.predict("track.mp3"))  # tonic, mode, probability
ПодробнееGiantSteps 604: mean exact 66,8%, MIREX 73,58%; seed 13 — 74,8% MIREX.
Модель обучена на 2-минутных EDM-превью; на длинных и жанрово разнообразных записях точность может быть ниже.
Softmax не калиброван; вход — mono 22 050 Hz, CQT 208 бинов, core-окно 192 бина.
ONNX-экспорт: opset 18, dynamic batch, проверена эквивалентность на CPU.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

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.

    # lvndry/drone
    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 lvndry/drone --local-dir ~/models/drone
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к drone
  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 drone — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

lvndry/drone
Автор
lvndry
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии