# 低損失値

このモデルはfacebook/hubert-base-ls960をファインチューニングした音声分類モデルで、主に二値分類タスクに使用され、評価データセットで78.26%の精度を達成しました。

このモデルはmicrosoft/speecht5_ttsをファインチューニングした音声合成(TTS)モデルで、主にテキストから音声への変換タスクに使用されます。

microsoft/speecht5_ttsをファインチューニングした音声合成モデルで、未知のデータセットでトレーニングされ、検証損失は0.3771です。

phayathaibertをファインチューニングしたタイ語タグ分類モデルで、THAI-NERデータセットで優れた性能を発揮

openai/whisper-smallを微調整した音声キーワード認識モデルで、kw-spotting-fsc-sl-agvデータセットで訓練され、評価精度は99.98%に達しました

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

facebook/wav2vec2-baseをファインチューニングした音声処理モデルで、評価データセットで優れた性能を発揮

Salesforce/codegen-350M-monoを微調整したPythonコード生成モデル、カスタム関数生成に特化

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

このモデルはポルトガル語BERTベースモデル(neuralmind/bert-base-portuguese-cased)をファインチューニングしたバージョンで、具体的なタスクは明記されていません

facebook/wav2vec2-xls-r-300mをベースにGOOGLE/XTREME_S - MINDS14.FR-FRデータセットでファインチューニングした自動音声認識モデル

これはAutoNLPを基に訓練された抽出型質問応答モデルで、与えられたテキストから質問の答えを抽出することができます。

facebook/wav2vec2-baseをSUPERBデータセットでファインチューニングした音声キーワード認識モデルで、精度は98.26%を達成