许可证：apache-2.0
数据集：

• keremberke/license-plate-object-detection
  支持语言：
• 俄语
• 波兰语
• 英语
• 中文
• 土耳其语
• 阿拉伯语
• 西班牙语
• 希腊语
• 法语
• 阿维斯坦语
  评估指标：
• bertscore
  基础模型：
• yainage90/fashion-object-detection
  新版本：yainage90/fashion-object-detection
  任务标签：零样本分类
  库名称：transformers
  标签：
• Suno

felguk-suno-or-people

该模型用于将音频片段分类为两类：“Suno”音乐或“People”音乐。它基于包含这两种音乐类型的示例数据集训练而成，可应用于音乐推荐、流派分类等多种场景。

模型详情

• 模型名称：felguk-suno-or-people
• 任务：音频分类
• 输入：音频片段（WAV格式）
• 输出：分类标签（suno 或 people）

使用方法

目前该模型无法通过第三方推理服务或Hugging Face推理API获取，但您可以按照以下步骤在本地轻松使用。

步骤1：安装所需库

确保已安装transformers和datasets库：

pip install transformers datasets  

加载模型

from transformers import AutoModelForAudioClassification, AutoFeatureExtractor  
import torch  

# 加载模型和特征提取器  
model = AutoModelForAudioClassification.from_pretrained("Felguk/Felguk-suno-or-people")  
feature_extractor = AutoFeatureExtractor.from_pretrained("Felguk/Felguk-suno-or-people")  

from datasets import load_dataset, Audio  

# 加载示例音频文件（可替换为您自己的文件）  
dataset = load_dataset("common_voice", "en", split="train", streaming=True)  
audio_sample = next(iter(dataset))["audio"]  

# 预处理音频  
inputs = feature_extractor(audio_sample["array"], sampling_rate=audio_sample["sampling_rate"], return_tensors="pt")  

# 执行推理  
with torch.no_grad():  
    logits = model(**inputs).logits  

# 获取预测标签  
predicted_class_id = logits.argmax().item()  
label = model.config.id2label[predicted_class_id]  
print(f"预测标签: {label}")