objects76/synthetic-all-2.25sec-250416_1557

synthetic-speaker-all2

This model is a fine-tuned version of pyannote/segmentation-3.0 on the objects76/synthetic-all2 dataset. It achieves the following results on the evaluation set:

• Loss: 0.1979
• Der: 0.0669
• False Alarm: 0.0186
• Missed Detection: 0.0336
• Confusion: 0.0147

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
• train_batch_size: 2048
• eval_batch_size: 2048
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: cosine
• num_epochs: 80

Training results

Training Loss	Epoch	Step	Validation Loss	Der	False Alarm	Missed Detection	Confusion
No log	1.0	4	0.3853	0.1303	0.0358	0.0547	0.0397
No log	2.0	8	0.3610	0.1214	0.0390	0.0497	0.0327
No log	3.0	12	0.3485	0.1163	0.0350	0.0501	0.0312
No log	4.0	16	0.3372	0.1129	0.0317	0.0505	0.0307
No log	5.0	20	0.3276	0.1102	0.0322	0.0479	0.0300
No log	6.0	24	0.3166	0.1065	0.0315	0.0460	0.0290
0.3199	7.0	28	0.3054	0.1020	0.0299	0.0458	0.0263
0.3199	8.0	32	0.3013	0.1001	0.0289	0.0451	0.0261
0.3199	9.0	36	0.3018	0.1001	0.0273	0.0454	0.0274
0.3199	10.0	40	0.2993	0.0984	0.0273	0.0444	0.0268
0.3199	11.0	44	0.2946	0.0976	0.0272	0.0434	0.0269
0.3199	12.0	48	0.2914	0.0955	0.0273	0.0422	0.0260
0.259	13.0	52	0.2825	0.0932	0.0259	0.0428	0.0245
0.259	14.0	56	0.2771	0.0904	0.0235	0.0438	0.0231
0.259	15.0	60	0.2708	0.0889	0.0243	0.0419	0.0227
0.259	16.0	64	0.2660	0.0877	0.0262	0.0396	0.0219
0.259	17.0	68	0.2631	0.0873	0.0258	0.0396	0.0219
0.259	18.0	72	0.2605	0.0859	0.0221	0.0425	0.0213
0.2314	19.0	76	0.2603	0.0856	0.0209	0.0443	0.0204
0.2314	20.0	80	0.2593	0.0850	0.0238	0.0402	0.0211
0.2314	21.0	84	0.2532	0.0840	0.0232	0.0391	0.0217
0.2314	22.0	88	0.2496	0.0835	0.0216	0.0396	0.0224
0.2314	23.0	92	0.2434	0.0816	0.0211	0.0396	0.0209
0.2314	24.0	96	0.2419	0.0816	0.0213	0.0385	0.0217
0.2087	25.0	100	0.2368	0.0801	0.0211	0.0375	0.0216
0.2087	26.0	104	0.2315	0.0784	0.0214	0.0362	0.0209
0.2087	27.0	108	0.2270	0.0776	0.0209	0.0363	0.0204
0.2087	28.0	112	0.2263	0.0772	0.0199	0.0372	0.0201
0.2087	29.0	116	0.2229	0.0761	0.0204	0.0362	0.0195
0.2087	30.0	120	0.2201	0.0752	0.0206	0.0356	0.0190
0.2087	31.0	124	0.2207	0.0751	0.0205	0.0355	0.0191
0.194	32.0	128	0.2191	0.0743	0.0197	0.0358	0.0189
0.194	33.0	132	0.2162	0.0738	0.0196	0.0355	0.0186
0.194	34.0	136	0.2127	0.0729	0.0197	0.0351	0.0182
0.194	35.0	140	0.2105	0.0725	0.0198	0.0348	0.0179
0.194	36.0	144	0.2097	0.0722	0.0194	0.0348	0.0181
0.194	37.0	148	0.2092	0.0720	0.0197	0.0348	0.0175
0.1824	38.0	152	0.2094	0.0723	0.0195	0.0350	0.0179
0.1824	39.0	156	0.2079	0.0720	0.0192	0.0348	0.0180
0.1824	40.0	160	0.2069	0.0715	0.0192	0.0346	0.0177
0.1824	41.0	164	0.2053	0.0711	0.0196	0.0343	0.0171
0.1824	42.0	168	0.2033	0.0708	0.0187	0.0352	0.0169
0.1824	43.0	172	0.2045	0.0702	0.0184	0.0353	0.0164
0.1726	44.0	176	0.2052	0.0705	0.0190	0.0349	0.0166
0.1726	45.0	180	0.2051	0.0701	0.0191	0.0349	0.0162
0.1726	46.0	184	0.2048	0.0697	0.0188	0.0352	0.0156
0.1726	47.0	188	0.2044	0.0697	0.0189	0.0353	0.0155
0.1726	48.0	192	0.2040	0.0693	0.0190	0.0347	0.0156
0.1726	49.0	196	0.2028	0.0691	0.0194	0.0342	0.0154
0.1682	50.0	200	0.2026	0.0689	0.0195	0.0340	0.0155
0.1682	51.0	204	0.2018	0.0692	0.0193	0.0340	0.0158
0.1682	52.0	208	0.2008	0.0691	0.0189	0.0343	0.0160
0.1682	53.0	212	0.2004	0.0685	0.0186	0.0343	0.0157
0.1682	54.0	216	0.2002	0.0685	0.0188	0.0340	0.0157
0.1682	55.0	220	0.2002	0.0683	0.0189	0.0337	0.0156
0.1682	56.0	224	0.2004	0.0679	0.0191	0.0333	0.0155
0.1636	57.0	228	0.1999	0.0679	0.0190	0.0334	0.0155
0.1636	58.0	232	0.1996	0.0677	0.0185	0.0337	0.0155
0.1636	59.0	236	0.1993	0.0678	0.0185	0.0338	0.0156
0.1636	60.0	240	0.1996	0.0677	0.0186	0.0336	0.0155
0.1636	61.0	244	0.1998	0.0679	0.0188	0.0335	0.0156
0.1636	62.0	248	0.2006	0.0678	0.0190	0.0334	0.0154
0.1612	63.0	252	0.1998	0.0674	0.0189	0.0335	0.0151
0.1612	64.0	256	0.1992	0.0670	0.0187	0.0335	0.0147
0.1612	65.0	260	0.1990	0.0670	0.0187	0.0336	0.0147
0.1612	66.0	264	0.1987	0.0671	0.0187	0.0337	0.0147
0.1612	67.0	268	0.1986	0.0671	0.0186	0.0337	0.0147
0.1612	68.0	272	0.1984	0.0670	0.0187	0.0336	0.0147
0.1584	69.0	276	0.1983	0.0670	0.0187	0.0337	0.0147
0.1584	70.0	280	0.1982	0.0670	0.0186	0.0337	0.0147
0.1584	71.0	284	0.1981	0.0669	0.0186	0.0336	0.0146
0.1584	72.0	288	0.1980	0.0669	0.0187	0.0336	0.0146
0.1584	73.0	292	0.1980	0.0669	0.0186	0.0336	0.0146
0.1584	74.0	296	0.1979	0.0669	0.0186	0.0337	0.0146
0.1588	75.0	300	0.1979	0.0669	0.0186	0.0336	0.0146
0.1588	76.0	304	0.1979	0.0669	0.0186	0.0336	0.0146
0.1588	77.0	308	0.1979	0.0669	0.0186	0.0336	0.0147
0.1588	78.0	312	0.1979	0.0669	0.0186	0.0337	0.0147
0.1588	79.0	316	0.1979	0.0669	0.0186	0.0336	0.0147
0.1588	80.0	320	0.1979	0.0669	0.0186	0.0336	0.0147

Framework versions

• Transformers 4.51.0
• Pytorch 2.6.0+cu124
• Datasets 3.5.0
• Tokenizers 0.21.1