Ai Light Dance Singing2 Ft Wav2vec2 Large Xlsr 53 5gram V4 1
このモデルはwav2vec2-large-xlsr-53アーキテクチャに基づく自動音声認識(ASR)モデルで、GARY109/AI_LIGHT_DANCE - ONSET-SINGING2データセットでファインチューニングされ、歌唱音声認識タスクに主に使用されます。
ダウンロード数 66
リリース時間 : 6/28/2022
モデル概要
これは歌唱音声に特化して最適化された自動音声認識モデルで、wav2vec2-large-xlsr-53アーキテクチャに基づき、特定の歌唱データセットでファインチューニングされており、歌唱内容を正確に認識できます。
モデル特徴
歌唱音声最適化
歌唱内容に特化して最適化されており、一般的な音声認識モデルと比べて歌唱シーンでより優れた性能を発揮します
高精度
評価データセットで12.11%の単語誤り率(WER)を達成し、良好な性能を示しています
wav2vec2アーキテクチャ採用
強力なwav2vec2-large-xlsr-53をベースモデルとして採用し、優れた音声特徴抽出能力を備えています
モデル能力
歌唱音声認識
自動音声テキスト変換
音楽コンテンツ分析
使用事例
音楽技術
歌唱内容文字起こし
歌唱録音を自動的にテキスト歌詞に変換
単語誤り率12.11%
音楽コンテンツ分析
音楽情報検索のための歌唱内容分析
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98