# 高精度オーディオ分類

wav2vec2-baseでトレーニングされた鳥類音声分類モデル。インドのVedanthangal鳥類保護区の21種の鳥類を識別可能

Wav2Vec2をファインチューニングしたオーディオ分類器で、実在人物の音声とAI生成音声を区別できます。

WavLM-Largeベースの音声感情認識モデルで、英語音声の感情分類をサポートします。

distilhubertアーキテクチャを微調整した泣き声検出モデルで、評価データセットで優れた性能を示し、精度は98.83%に達しました

Whisper-mediumをファインチューニングしたウルドゥー語感情認識モデル、評価セットで91.67%の精度を達成

wav2vec2-large-xlsr-53-englishモデルをRAVDESSデータセットでファインチューニングした音声感情認識モデル

このモデルはMIT/ast-finetuned-audioset-10-10-0.4593を微調整したバージョンで、合成音声を検出するために使用されます。

HuBERTアーキテクチャを基にファインチューニングした動物音声分類モデル。10種類の動物の鳴き声を認識可能で、精度は95%

shhossain/whisper-tiny-bnをファインチューニングした感情分類モデルで、ベンガル語の7つの基本感情を認識可能

facebook/wav2vec2-baseをファインチューニングした音声コマンド分類モデル、superbデータセットでトレーニングされ、精度98.09%を達成

このモデルはwav2vec2-base-ft-keyword-spottingをsuperb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用に量子化と構造化プルーニング最適化が施されています。

TRillsson3アーキテクチャに基づくオーディオ分類モデル、superbデータセットでファインチューニングされ、キーワード認識タスクに使用

TRillsson3アーキテクチャに基づくオーディオ分類モデル、superbデータセットでファインチューニングされ、キーワード認識タスク用

TRillsson3アーキテクチャに基づくオーディオ分類モデルで、キーワード検出タスクに微調整され、評価セットで91.5%の精度を達成しました。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたウルドゥー語オーディオ感情分類モデル。怒り、喜び、平静、悲しみの4つの感情認識をサポート