# オーディオ分類

このモデルはAudio Spectrogram Transformer (AST)アーキテクチャに基づくオーディオ分類モデルで、Audiosetデータセットで事前学習された後、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ています。

wav2vec2アーキテクチャに基づくオーディオ分類モデルで、気候関連の音声分類タスクに適しています

このモデルは、オーディオクリップを'Suno'音楽または'People'音楽に分類するために使用されます。

openai/whisper-tinyを微調整した音声分類モデルで、音声コマンドデータセットで優れた性能を発揮

distilhubertを微調整したオーディオ分類モデルで、評価データセットで100%の精度を達成

SeamlessM4Tv2-Largeから抽出された音声エンコーダモジュールで、クロスランゲージおよび多言語のシーケンスレベルのオーディオ分類タスクに優れています

Wav2Vec2ベースのオーディオ分類モデル、音楽ジャンル識別用

このモデルはASTアーキテクチャに基づき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で、精度は89%です

このモデルはAudio Spectrogram Transformer (AST)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、オーディオ分類タスクに使用され、精度は88%です。

Wav2Vec2 Large XLSR-53モデルをファインチューニングした音声感情認識システムで、7つの一般的な感情を認識可能

このモデルはDistilHuBERTをファインチューニングしたオーディオ分類モデルで、音楽と非音楽オーディオを区別するために特別に設計されています。

wav2vec2-baseモデルをオーディオフォルダ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、検証セットの精度は99.82%

Whisper Mediumモデルをファインチューニングした言語識別モデルで、FLEURSデータセット上の言語分類タスク専用

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、評価データセットで58.92%の精度を達成

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

wav2vec2アーキテクチャに基づくオーディオ分類モデルで、GTZANデータセットでファインチューニングされ、音楽と音声の分類タスクに使用されます

wav2vec 2.0アーキテクチャに基づく音声認識ベースモデル、960時間の英語音声データで事前学習済み

facebook/wav2vec2-base-960hを基にしたオーディオ分類モデルで、オーディオクリップが属するクラシック音楽の作曲家を識別可能

このモデルはDistilHuBERTアーキテクチャを基に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たオーディオ分類モデルで、精度は89%です。

これはAST(Audio Spectrogram Transformer)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ています。

GTZAN音楽分類データセットでdistilhubertをファインチューニングしたオーディオ分類モデル、精度89%

このモデルはfacebook/wav2vec2-base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で、主に音楽ジャンル分類タスクに使用されます。

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

ASTアーキテクチャに基づくオーディオ分類モデルで、GTZANデータセットでファインチューニングされ、音楽ジャンル分類タスクに使用されます

openai/whisper-tinyをGTZANデータセットでファインチューニングした音声分類モデル、精度91%達成

このモデルはGTZAN音楽分類データセットで微調整されたDistilHuBERTベースのオーディオ分類モデルで、主に音楽ジャンル分類タスクに使用されます。

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）モデル、オーディオ分類タスク用

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、音楽ジャンルを識別するために使用されます

facebook/wav2vec2-baseをファインチューニングした音声分類モデルで、オーディオフォルダデータセットの分類タスクに使用されます

マイクロソフトのWavLM-Largeモデルをファインチューニングした鳥類の音声識別モデル

このモデルはshEMOデータセットでASTモデルをファインチューニングしたバージョンで、主に音声感情認識タスクに使用されます。

このモデルはMIT/ast-finetuned-audioset-10-10-0.4593をベースにファインチューニングされたオーディオ分類モデルで、評価セットで60.76%の精度を達成しました。

このモデルはfacebook/wav2vec2-baseをsuperb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、評価セットで0.6578の精度を達成しました。

このモデルはMIT/ast-finetuned-speech-commands-v2をベースに数字音声コマンド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で、0-9の数字音声コマンド認識に主に使用されます

OpenAI Whisper-mediumをファインチューニングした音声言語識別モデルで、FLEURSデータセットで88.05%の精度を達成

ASTアーキテクチャに基づくオーディオ分類モデルで、AudioSetデータセットで事前学習後、ESC-50データセットで微調整

このモデルはASTアーキテクチャに基づきAudioSetデータセットで事前学習され、ESC-50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で、評価セットで94.64%の精度を達成しました。

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。

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。

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。