%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはdistilhubertをGTZAN音楽ジャンル分類データセットでファインチューニングしたオーディオ分類モデルで、精度は84%です。
音声分類
Transformers
TransformersD
Gyaneshere
5
0
Music Genres Classification Finetuned Gtzan
Apache-2.0
GTZANデータセットでファインチューニングされた音楽ジャンル分類モデル、精度93%
音声分類 Transformers
TransformersM
sugarblock
119
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはntu-spml/distilhubertをGTZAN音楽分類データセットでファインチューニングした音響分類モデルで、精度85%を達成しています。
音声分類 Transformers
TransformersD
Scher314
3
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデルで、精度は83%
音声分類 Transformers
TransformersD
Leo1212
25
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはNTU-SPMLのDistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
Terps
15
0
Genre Recognizer Finetuned Gtzan Dset
Apache-2.0
これはdistilhubertアーキテクチャに基づくオーディオ分類モデルで、音楽ジャンル認識に特化しており、GTZANデータセットでファインチューニング後89.72%の精度を達成しました。
音声分類 Transformers
TransformersG
pedromatias97
183
3
Distilhubert Finetuned Gtzan
Apache-2.0
distilhubertをベースにGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデル、精度84%を達成
音声分類 Transformers
TransformersD
fmagot01
14
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャに基づくオーディオ分類モデルで、GTZAN音楽ジャンルデータセットでファインチューニングされ、88%の精度を達成
音声分類 Transformers
TransformersD
Kodamn47
14
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルは、GTZAN音楽分類データセットでファインチューニングされたdistilhubertベースのオーディオ分類モデルで、精度は83%です。
音声分類 Transformers
TransformersD
pranjalks
18
0
Distilhubert Finetuned Gtzan Bs 4
Apache-2.0
DistilHuBERTアーキテクチャに基づくオーディオ分類モデルで、GTZAN音楽ジャンル分類データセットでファインチューニングされ、86%の精度を達成
音声分類 Transformers
TransformersD
DrishtiSharma
14
0
Distilhubert Finetuned Gtzan Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャに基づくオーディオ分類モデルで、GTZAN音楽ジャンル分類データセットでファインチューニングされ、89%の精度を達成
音声分類 Transformers
TransformersD
calvpang
13
0
Distilhubert Finetuned Distilhubert
このモデルはDistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
JanLilan
14
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTをGTZAN音楽分類データセットでファインチューニングした軽量音響特徴抽出モデル
音声分類 Transformers
TransformersD
mory91
48
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはdistilhubertをGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデルで、精度は77%です
音声分類 Transformers
TransformersD
AdonaiHS
28
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはDistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
Maldopast
14
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはGTZAN音楽分類データセットでファインチューニングされたdistilhubertベースのオーディオ分類モデルで、精度は83%に達します
音声分類 Transformers
TransformersD
Marco-Cheung
17
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャを基にGTZAN音楽分類データセットでファインチューニングした軽量オーディオ分類モデル
音声分類 Transformers
TransformersD
CornerINCorner
20
0
Distilhubert Finetuned Gtzan
Apache-2.0
distilhubertをベースにGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデル
音声分類 Transformers
TransformersD
GFazzito
18
0
Distilhubert Finetuned Gtzan
Apache-2.0
distilhubertをGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデルで、精度は83%
音声分類 Transformers
TransformersD
Ducco
16
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャに基づくオーディオ分類モデルで、GTZAN音楽ジャンル分類データセットでファインチューニングされ、精度は91%
音声分類 Transformers
TransformersD
NicolasDenier
17
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはGTZAN音楽分類データセットでファインチューニングされたDistilHuBERTベースのバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
arham061
15
0
Distilhubert Finetuned Gtzan V3 Finetuned Gtzan
Apache-2.0
このモデルはDistilHuBERTアーキテクチャを基にGTZAN音楽分類データセットでファインチューニングされたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
J3
13
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャを基にGTZAN音楽分類データセットでファインチューニングされた音声分類モデルで、精度は88%
音声分類 Transformers
TransformersD
timjwhite
16
0
Hubert Emotion Finetuned Gtzan Efficient
Hubert_emotionをGTZANデータセットでファインチューニングした音声感情分類モデル、精度65%
音声分類 Transformers
TransformersH
derek-thomas
15
1
Distilhubert Finetuned Gtzan
Apache-2.0
GTZAN音楽分類データセットでファインチューニングされたDistilHuBERTベースの音声分類モデル、精度85%達成
音声分類 Transformers
TransformersD
kfahn
15
0
Distilhubert Finetuned Gtzan
Apache-2.0
このモデルはdistilhubertをGTZAN音楽分類データセットでファインチューニングしたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
vineetsharma
17
0
Distilhubert Finetuned Gtzan
Apache-2.0
DistilHuBERTアーキテクチャを基にGTZAN音楽分類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分類モデル、精度88%
音声分類 Transformers
TransformersD
jalal-elzein
14
0
Distilhubert Finetuned Gtzan
Apache-2.0
これはDistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたオーディオ分類モデルで、精度は82%です
音声分類 Transformers
TransformersD
sanchit-gandhi
255
4
Distilhubert Finetuned Gtzan V2
Apache-2.0
このモデルはDistilHuBERTをGTZAN音楽分類データセットでファインチューニングしたバージョンで、主に音楽ジャンル分類タスクに使用されます。
音声分類 Transformers
TransformersD
MariaK
17
0
Distilhubert Finetuned Gtzan
Apache-2.0
distilhubertをGTZANデータセットでファインチューニングしたオーディオ分類モデル、精度83%達成
音声分類 Transformers
TransformersD
MariaK
17
0
Distilhubert Finetuned Gtzan
Apache-2.0
distilhubertをGTZAN音楽分類データセットでファインチューニングしたモデルで、音楽ジャンル分類タスクに使用
音声分類 Transformers
TransformersD
lewtun
20
0
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
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
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