Modelpublic

amirhosein-prdv/speaker-segmentation-fine-tuned-synthetic_v3

sourceHugging Facemitupdated 15d agoView on Hugging Face

0likes372downloads

Model Card

speaker-segmentation-fine-tuned-synthetic_v3

This model is a fine-tuned version of pyannote/segmentation-3.0 on the uncleMehrzad/synthetic-speaker-diarization-dataset-fa-large-3000 dataset. It achieves the following results on the evaluation set:

—Loss: 0.5584
—Model Preparation Time: 0.0027
—Der: 0.1661
—False Alarm: 0.0517
—Missed Detection: 0.0375
—Confusion: 0.0769

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

—learning_rate: 0.001
—trainbatchsize: 32
—evalbatchsize: 32
—seed: 42
—optimizer: Use adamwtorchfused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
—lrschedulertype: cosine
—num_epochs: 50.0

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Der	False Alarm	Missed Detection	Confusion
No log	0	0	0.9141	0.0027	0.2751	0.0696	0.0658	0.1397
0.5821	1.0	601	0.5891	0.0027	0.2084	0.0643	0.0358	0.1083
0.5436	2.0	1202	0.5575	0.0027	0.1930	0.0558	0.0407	0.0965
0.5253	3.0	1803	0.5523	0.0027	0.1916	0.0602	0.0330	0.0984
0.5034	4.0	2404	0.5301	0.0027	0.1874	0.0590	0.0345	0.0939
0.4897	5.0	3005	0.5173	0.0027	0.1805	0.0574	0.0327	0.0904
0.4794	6.0	3606	0.5157	0.0027	0.1786	0.0571	0.0338	0.0877
0.4702	7.0	4207	0.5147	0.0027	0.1789	0.0533	0.0364	0.0892
0.4687	8.0	4808	0.5121	0.0027	0.1752	0.0558	0.0321	0.0873
0.4449	9.0	5409	0.4988	0.0027	0.1734	0.0577	0.0311	0.0846
0.4474	10.0	6010	0.5040	0.0027	0.1743	0.0580	0.0306	0.0858
0.4398	11.0	6611	0.4925	0.0027	0.1708	0.0553	0.0328	0.0827
0.4329	12.0	7212	0.4903	0.0027	0.1680	0.0557	0.0314	0.0809
0.4279	13.0	7813	0.4939	0.0027	0.1685	0.0515	0.0365	0.0805
0.4215	14.0	8414	0.4924	0.0027	0.1683	0.0541	0.0329	0.0813
0.4112	15.0	9015	0.5018	0.0027	0.1702	0.0548	0.0328	0.0826
0.4047	16.0	9616	0.4902	0.0027	0.1656	0.0527	0.0333	0.0797
0.3815	17.0	10217	0.5050	0.0027	0.1677	0.0548	0.0326	0.0803
0.3882	18.0	10818	0.4930	0.0027	0.1666	0.0534	0.0336	0.0796
0.3823	19.0	11419	0.5058	0.0027	0.1678	0.0558	0.0304	0.0815
0.3782	20.0	12020	0.4960	0.0027	0.1685	0.0553	0.0339	0.0794
0.3753	21.0	12621	0.4960	0.0027	0.1631	0.0537	0.0325	0.0769
0.3608	22.0	13222	0.4953	0.0027	0.1655	0.0540	0.0341	0.0774
0.3596	23.0	13823	0.5033	0.0027	0.1665	0.0516	0.0372	0.0777
0.3522	24.0	14424	0.4958	0.0027	0.1659	0.0540	0.0349	0.0770
0.3445	25.0	15025	0.5121	0.0027	0.1652	0.0506	0.0363	0.0783
0.3352	26.0	15626	0.5176	0.0027	0.1677	0.0515	0.0367	0.0795
0.3372	27.0	16227	0.5284	0.0027	0.1654	0.0541	0.0322	0.0791
0.3318	28.0	16828	0.5184	0.0027	0.1659	0.0532	0.0345	0.0783
0.3277	29.0	17429	0.5274	0.0027	0.1668	0.0516	0.0359	0.0792
0.3235	30.0	18030	0.5253	0.0027	0.1665	0.0533	0.0354	0.0779
0.3109	31.0	18631	0.5299	0.0027	0.1655	0.0506	0.0379	0.0770
0.3134	32.0	19232	0.5373	0.0027	0.1658	0.0518	0.0370	0.0771
0.31	33.0	19833	0.5411	0.0027	0.1664	0.0532	0.0348	0.0784
0.3055	34.0	20434	0.5350	0.0027	0.1654	0.0532	0.0369	0.0753
0.3014	35.0	21035	0.5386	0.0027	0.1660	0.0523	0.0372	0.0765
0.2981	36.0	21636	0.5504	0.0027	0.1657	0.0514	0.0376	0.0767
0.3038	37.0	22237	0.5447	0.0027	0.1649	0.0527	0.0355	0.0767
0.2969	38.0	22838	0.5449	0.0027	0.1647	0.0504	0.0382	0.0761
0.2895	39.0	23439	0.5504	0.0027	0.1660	0.0516	0.0376	0.0768
0.2954	40.0	24040	0.5486	0.0027	0.1662	0.0516	0.0375	0.0772
0.29	41.0	24641	0.5503	0.0027	0.1662	0.0518	0.0379	0.0765
0.291	42.0	25242	0.5499	0.0027	0.1667	0.0516	0.0379	0.0771
0.2927	43.0	25843	0.5503	0.0027	0.1661	0.0527	0.0370	0.0764
0.2925	44.0	26444	0.5531	0.0027	0.1661	0.0511	0.0382	0.0768
0.2858	45.0	27045	0.5546	0.0027	0.1663	0.0520	0.0371	0.0771
0.2848	46.0	27646	0.5566	0.0027	0.1668	0.0515	0.0378	0.0775
0.2894	47.0	28247	0.5578	0.0027	0.1663	0.0519	0.0373	0.0771
0.2842	48.0	28848	0.5580	0.0027	0.1663	0.0518	0.0375	0.0770
0.2821	49.0	29449	0.5584	0.0027	0.1662	0.0517	0.0375	0.0770
0.2816	50.0	30050	0.5584	0.0027	0.1661	0.0517	0.0375	0.0769

Framework versions

—Transformers 4.57.6
—Pytorch 2.14.0+cu126
—Datasets 5.0.1
—Tokenizers 0.22.2