モデル選定

高精度オーディオ認識

# 高精度オーディオ認識

Music Genres Classification Finetuned Gtzan

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%

Wav2vec2 Base Superb Ks

wav2vec2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適しています。

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

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