AIbase
JA
ホーム
Wav2vec2 Base Music Speech Both Classification
W

Wav2vec2 Base Music Speech Both Classification

FerhatDkによって開発
facebook/wav2vec2-baseをファインチューニングしたオーディオ分類モデルで、音楽と音声を区別するために使用されます
音声分類
Transformers
オープンソースライセンス:Apache-2.0#オーディオ分類#高精度#音楽音声認識
ダウンロード数 20
リリース時間 : 7/10/2023

モデル概要

このモデルはwav2vec2-baseアーキテクチャをファインチューニングしたオーディオ分類器で、音楽と音声の2種類のオーディオコンテンツを区別するために特別に設計されています。評価セットで98.47%の精度を達成しました。

モデル特徴

高精度
評価セットで98.47%の分類精度を達成
wav2vec2アーキテクチャベース
wav2vec2-base事前学習モデルをファインチューニングし、優れたオーディオ特徴抽出能力を有する
軽量トレーニング
わずか8トレーニングエポックで高性能を達成

モデル能力

オーディオ分類
音楽認識
音声認識

使用事例

オーディオコンテンツ分析
音楽/音声自動分類
オーディオコンテンツが音楽か音声かを自動識別
精度98.47%
メディア管理
オーディオライブラリ自動分類
オーディオライブラリのコンテンツに自動的に音楽/音声タグを追加
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase