Ast Finetuned Audioset 16 16 0.442
AudioSetデータセットでファインチューニングされたオーディオスペクトログラムトランスフォーマーで、視覚トランスフォーマーアーキテクチャを使用してオーディオスペクトログラムを処理し、オーディオ分類タスクで優れた性能を発揮します。
ダウンロード数 35
リリース時間 : 11/14/2022
モデル概要
このモデルはオーディオをスペクトログラムに変換した後、視覚トランスフォーマーで処理し、オーディオ分類タスク専用に設計されており、AudioSetデータセットの多様なオーディオカテゴリ認識をサポートします。
モデル特徴
スペクトログラム変換処理
オーディオ信号をスペクトログラム形式に変換し、視覚トランスフォーマーアーキテクチャを利用して処理することで、効率的なオーディオ特徴抽出を実現します。
AudioSetファインチューニング
大規模なAudioSetデータセットでファインチューニングされており、強力なオーディオ分類能力を備えています。
最先端の性能
複数のオーディオ分類ベンチマークテストで最先端の成果を達成しました。
モデル能力
オーディオ分類
スペクトログラム分析
マルチカテゴリオーディオ認識
使用事例
オーディオコンテンツ分析
環境音認識
自然環境や都市環境における様々な音を識別
数百種類の環境音タイプを正確に分類可能
音楽分類
音楽フラグメントをジャンルや楽器で分類
マルチメディアコンテンツ審査
不適切コンテンツ検出
オーディオ中の暴力表現や不適切な言語などを識別
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