Ast Finetuned Audioset 12 12 0.447
基於AudioSet數據集微調的音頻頻譜變換器(AST),採用ViT架構處理音頻頻譜圖,在多個音頻分類基準測試中表現優異。
下載量 25
發布時間 : 11/14/2022
模型概述
該模型將音頻轉換為頻譜圖後通過視覺變換器處理,主要用於音頻分類任務,支持AudioSet的527個類別分類。
模型特點
頻譜圖處理
將音頻信號轉換為頻譜圖後使用視覺變換器處理,實現高效音頻特徵提取。
AudioSet微調
基於大規模AudioSet數據集微調,支持527個音頻類別分類。
ViT架構適配
創新性地將視覺變換器(ViT)架構應用於音頻領域,取得SOTA性能。
模型能力
音頻分類
頻譜圖分析
多類別音頻識別
使用案例
內容分類
環境聲音識別
識別錄音中的環境聲音類型(如雨聲、交通噪聲等)
可準確分類AudioSet包含的527種環境聲音
媒體分析
視頻音軌分析
自動分析視頻中的音軌內容類別
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