Data2vec Audio Base 100h
Data2Vec是一個通用的自監督學習框架,適用於語音、視覺和語言任務。該音頻基礎模型基於Librispeech語音音頻進行了100小時的預訓練和微調。
下載量 4,369
發布時間 : 3/2/2022
模型概述
Data2Vec-Audio是一個基於自監督學習的語音處理模型,採用統一的框架處理不同模態的數據。該模型通過預測完整輸入數據的潛在表示進行訓練,適用於語音識別等任務。
模型特點
通用自監督學習框架
採用相同的學習方法處理語音、自然語言處理和計算機視覺任務,實現跨模態的統一學習。
上下文潛在表示預測
不同於預測局部性質的目標,模型預測包含整個輸入信息的上下文潛在表示。
高性能表現
在語音識別等主要基準測試中,性能達到新的最優水平或與主流方法相當。
模型能力
語音識別
音頻特徵提取
使用案例
語音處理
語音轉文本
將語音音頻轉換為文本轉錄
高準確率的語音識別結果
語音數據分析
從語音中提取特徵用於進一步分析
獲取語音內容的潛在表示
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98