モデル選定

AudioSetファインチューニング

# AudioSetファインチューニング

Vit Base Patch16 1024 128.audiomae As2m Ft As20k

視覚トランスフォーマー(ViT)ベースのオーディオ処理モデル、自己教師ありマスクオートエンコーダ(MAE)手法でAudioSet-2Mで事前学習し、AudioSet-20kでファインチューニング

Ast Finetuned Audioset 14 14 0.443

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、音声をスペクトログラムに変換後、ビジョントランスフォーマーアーキテクチャで処理し、音声分類タスクで優れた性能を発揮します。

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。

Ast Finetuned Audioset 12 12 0.447

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（AST）。ViT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、複数のオーディオ分類ベンチマークで優れた性能を発揮します。

Ast Finetuned Audioset 10 10 0.448 V2

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、オーディオをスペクトログラムに変換後、ビジョントランスフォーマーで処理し、オーディオ分類タスクで優れた性能を発揮します。

Ast Finetuned Audioset 10 10 0.448

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（AST）。ビジョントランスフォーマー構造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。

Ast Finetuned Audioset 10 10 0.4593

オーディオスペクトログラムトランスフォーマー（AST）はAudioSetでファインチューニングされたモデルで、オーディオをスペクトログラムに変換後、ビジョントランスフォーマーを適用してオーディオ分類を行います。

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

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

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

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