Ai Light Dance Singing Ft Pretrain Wav2vec2 Large Lv60
このモデルはwav2vec2-large-lv60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-SINGINGデータセットでファインチューニングされ、主に歌声認識タスクに使用されます。
ダウンロード数 22
リリース時間 : 6/11/2022
モデル概要
これは歌声認識に特化した自動音声認識モデルで、wav2vec2-large-lv60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、音楽関連の音声認識シーンに適しています。
モデル特徴
歌声認識最適化
歌声認識タスク向けに特別にファインチューニングされており、一般的な音声認識モデルよりも音楽シーンで優れた性能を発揮する可能性があります
wav2vec2アーキテクチャ採用
Facebookのwav2vec2-large-lv60事前学習モデルをベースとしており、強力な音声特徴抽出能力を備えています
低リソース適応
ファインチューニングにより特定領域に適応しており、限られたデータ状況下での領域適応に適しています
モデル能力
歌声認識
自動音声認識
音楽コンテンツ書き起こし
使用事例
音楽技術
歌詞書き起こし
歌唱された曲を自動的に歌詞テキストに変換
単語誤り率(WER)は約0.92
音楽教育支援
音楽学習者の歌唱発音を識別・修正する補助
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