Ai Light Dance Singing2 Ft Wav2vec2 Large Xlsr 53 V1
このモデルは、GARY109/AI_LIGHT_DANCE - ONSET-SINGING2データセットでwav2vec2-large-xlsr-53をファインチューニングした自動音声認識モデルで、主に歌唱音声認識タスクに使用されます。
ダウンロード数 185
リリース時間 : 6/24/2022
モデル概要
これは歌唱音声認識タスクに最適化された自動音声認識モデルで、wav2vec2-large-xlsr-53アーキテクチャを基にファインチューニングされており、特定のデータセットで優れた性能を発揮します。
モデル特徴
歌唱音声最適化
歌唱音声に特化してファインチューニングされており、汎用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
効率的なトレーニング
勾配蓄積などの技術を採用し、比較的小さなバッチサイズでも効果的なトレーニングを実現
安定した性能
トレーニング中の検証損失と単語誤り率が継続的に低下し、良好な収束性を示しています
モデル能力
歌唱音声認識
音声からテキストへの変換
音声コンテンツ分析
使用事例
音楽技術
歌唱音声から歌詞への変換
歌唱録音を自動的にテキスト歌詞に変換
単語誤り率約29.05%
音楽コンテンツ分析
歌唱録音中の歌詞内容を分析
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